Aller au contenu
connaissance.org

Métiers · Numérique et ingénierie

Data scientist

Le data scientist exploite de grands volumes de données pour bâtir des modèles prédictifs, à la croisée des statistiques, de l’informatique et du métier. Il est recruté à bac+5, parfois après un doctorat.

Mis à jour le 4 min de lecture

Le data scientist, ou scientifique des données, conçoit des modèles mathématiques qui tirent des données d’une organisation des prévisions et des recommandations : prévoir les ventes, détecter une fraude, estimer un risque de panne, recommander un produit, aider au diagnostic. Là où le data analyst décrit et explique ce qui s’est passé, le data scientist cherche à prédire et à automatiser une décision.

Missions

  • Cadrer le problème avec les équipes métier : que veut-on prédire, avec quelles données, pour quelle décision ?
  • Collecter et préparer les données : les extraire des bases de données, les nettoyer, traiter les valeurs manquantes ou aberrantes. Cette étape occupe souvent plus de la moitié du temps.
  • Explorer : statistiques descriptives, visualisations, recherche de corrélations.
  • Modéliser : choisir un algorithme (régression, arbres de décision, réseaux de neurones), l’entraîner, régler ses paramètres.
  • Évaluer : mesurer la performance sur des données que le modèle n’a jamais vues, traquer les biais et le surapprentissage.
  • Mettre en production avec les ingénieurs, puis surveiller le modèle, dont la qualité se dégrade lorsque le monde change.
  • Expliquer les résultats et leurs limites à des décideurs non spécialistes.

Voir l’apprentissage automatique.

Qualités et compétences

  • Statistiques et probabilités : c’est le cœur du métier, plus que la programmation.
  • Programmation en Python ou en R, maîtrise de SQL et des bibliothèques d’apprentissage automatique.
  • Esprit critique : une corrélation n’est pas une causalité, et un modèle très performant peut reposer sur un artefact.
  • Compréhension du domaine (banque, santé, industrie, commerce).
  • Pédagogie et sens de la communication.
  • Éthique et respect du droit : protection des données personnelles (RGPD), équité des modèles ; voir l’éthique de l’IA.

Études et diplômes

DiplômeDurée après le bacAccès
Master en science des données, statistique, mathématiques appliquées ou informatique5 ansUniversité, après une licence de mathématiques, d’informatique ou de MIASHS
Diplôme d’ingénieur avec spécialisation données ou mathématiques appliquées5 ansGrandes écoles ; l’ENSAE et l’ENSAI sont les écoles de la statistique publique
Mastère spécialisé en science des données1 an après un bac+5Spécialisation ou reconversion de diplômés scientifiques
Doctorat3 ans après le masterPostes de recherche et développement
BUT Science des données3 ansIUT ; mène plutôt au métier de data analyst, ou à une poursuite en master

Le métier s’exerce presque exclusivement à bac+5. Les formations courtes en ligne permettent de s’initier ou de compléter un profil scientifique, rarement d’être embauché sans autre bagage. Voir licence, master, doctorat.

Salaire

Vers 2025–2026, un data scientist débutant gagne, à titre indicatif, de l’ordre de 3 000 à 3 800 € brut par mois, soit 36 000 à 46 000 € brut par an. Avec cinq à dix ans d’expérience, la rémunération atteint 4 500 à 6 500 € brut par mois, davantage dans la finance ou les grandes entreprises technologiques. Ces ordres de grandeur sont plus élevés en région parisienne et varient selon le secteur.

Où exerce-t-on et quels débouchés

Les employeurs sont les banques et assurances, la grande distribution et le commerce en ligne, l’industrie, l’énergie, les télécommunications, la santé et la pharmacie, les cabinets de conseil, les entreprises du numérique et la statistique publique. Après l’engouement des années 2010, le marché s’est structuré : les entreprises attendent des modèles réellement utilisés, et recherchent des profils capables d’aller jusqu’à la mise en production. Les outils d'IA générative automatisent une part du code et de l’exploration, ce qui renforce l’importance du raisonnement statistique et de la connaissance du métier.

Évolution de carrière

Le data scientist peut devenir lead data scientist, responsable d’une équipe données, ou directeur des données (chief data officer). Il peut se spécialiser comme ingénieur en apprentissage automatique, plus proche de la production ; voir ingénieur en intelligence artificielle. La recherche et le conseil indépendant sont d’autres issues.

Au Québec

L’accès se fait par un baccalauréat en mathématiques, en statistique, en informatique ou en génie, suivi d’une maîtrise. Montréal est un centre mondial de recherche en intelligence artificielle, autour notamment de l’institut Mila, et Québec dispose aussi d’un pôle actif.

Questions fréquentes

Quelle différence entre data scientist, data analyst et data engineer ?

Le data engineer construit les circuits qui collectent et stockent les données. Le data analyst les interroge pour produire des analyses et des tableaux de bord. Le data scientist conçoit des modèles prédictifs. Dans les petites équipes, les rôles se recouvrent.

Faut-il un doctorat ?

Non pour la plupart des postes en entreprise, où un bac+5 suffit. Le doctorat est attendu pour la recherche et apprécié dans les équipes qui développent de nouvelles méthodes.

Les maths sont-elles indispensables ?

Oui. Statistiques, probabilités, algèbre linéaire et optimisation sont nécessaires pour comprendre ce que fait un modèle et savoir quand il se trompe.

Le métier est-il menacé par l’IA ?

Les tâches standardisées s’automatisent. La formulation du problème, la critique des données, l’interprétation et la responsabilité des décisions restent humaines ; le métier évolue plus qu’il ne disparaît.

À lire aussi

Numérique et ingénierie : toutes les fiches