Data engineer

Les missions

• Concevoir et développer les pipelines de données (collecte, transformation, chargement — ETL/ELT)
• Construire et maintenir les bases de données et entrepôts de données (data warehouse, data lake)
• Garantir la qualité, la fiabilité et la disponibilité des données
• Automatiser et industrialiser les flux de données (orchestration, monitoring)
• Travailler avec le cloud (AWS, GCP, Azure) et les outils big data (Spark, Airflow, dbt)
• Collaborer avec les data analysts/scientists et les équipes métier sur leurs besoins en données

Le cadre (où, avec qui)

Entreprises data-driven (tech, finance, retail, industrie), ESN, cabinets de conseil, startups. Travail de bureau devant l'écran (code, cloud), beaucoup de télétravail. En équipe data. Horaires de bureau, parfois astreintes (pipelines critiques). Métier au cœur de la transformation data et IA des entreprises : demande très forte, pénurie de profils qualifiés, salaires élevés. Mais c'est un vrai métier d'ingénierie : il faut coder solidement (Python, SQL) et comprendre l'architecture des données.

Une journée type

Point d'équipe. Développement d'un nouveau pipeline pour intégrer une source de données. Débogage d'un flux qui a échoué pendant la nuit (monitoring). Optimisation d'une requête lente sur l'entrepôt de données. Mise en place d'un contrôle qualité sur des données. Échange avec un data analyst sur ses besoins. Revue de code d'un collègue. Documentation. Le travail mêle code, architecture et résolution de problèmes.

La réalité du salaire

Data engineer junior : 38-48 k€ brut/an (~2 400-3 000 € net/mois). Confirmé (3-5 ans) : 50-70 k€ brut/an. Senior / lead : 70-95 k€ brut/an et plus. En freelance confirmé : 500-800 €/jour. C'est l'un des métiers tech les mieux rémunérés, porté par une forte demande et une pénurie de profils. ⚠️ R26 : ordres de grandeur, salaires plus élevés en Île-de-France et dans la finance/tech.

Y accéder en reconversion

Profil ingénieur ou master informatique/data classiquement, mais des bootcamps data engineering intensifs (3-6 mois, type DataScientest, Le Wagon, 5-10 k€, souvent finançables CPF) existent. Prérequis solides : il faut savoir coder (Python, SQL) — ce n'est PAS accessible sans bases techniques. En reconversion : possible via bootcamp pour des profils ayant déjà une appétence/expérience tech (développeurs, analystes). Pour un débutant total en informatique, c'est une reconversion longue et exigeante. Les certifications cloud (AWS, GCP) valorisent fortement.

La pénibilité, sans filtre

• Exigence technique élevée : code, SQL, architecture, cloud — ce n'est pas une reconversion accessible sans bases solides
• Astreintes possibles : les pipelines critiques en production peuvent imposer des interventions hors horaires
• Veille technique permanente : l'écosystème data (outils, cloud) évolue très vite
• Sédentarité et écran : journées de code et de résolution de problèmes
• Pression de fiabilité : si les données sont fausses ou indisponibles, toute la chaîne décisionnelle est impactée

Évolutions possibles

• Data engineer senior puis lead / architecte data
• Spécialisation : big data, streaming temps réel, MLOps (mise en production de l'IA)
• Data architect ou responsable data / head of data
• Évolution vers data scientist ou ingénieur ML (avec montée en compétences)
• Freelance ou consultant data (tarifs journaliers élevés)

Pour toi si…

Pour quelqu'un de logique, rigoureux et déjà à l'aise (ou très motivé) avec le code et les données. Pour un profil tech qui aime construire des systèmes robustes et résoudre des problèmes complexes. Excellente reconversion (demande et salaires au top) SI tu as déjà des bases techniques ou viens du développement/de l'analyse.

Évite si…

Évite si tu n'as aucune base technique et veux une reconversion rapide : c'est un vrai métier d'ingénierie. Évite si coder et manipuler des bases de données ne t'attire pas. Évite si les astreintes et la pression de fiabilité te stressent. Et si la sédentarité et la veille technique permanente te pèsent, ce métier sera lourd.