Tu transformes des montagnes de données en analyses et modèles prédictifs pour aider une entreprise à décider. Métier bien payé et recherché, mais la réalité est moins glamour que le marketing des bootcamps : 70 à 80% du temps part en nettoyage de données, et le marché junior est saturé de reconvertis pendant que les recruteurs réclament souvent un vrai bac+5.
Les missions
- Collecter, nettoyer et préparer les données (la part la plus chronophage du métier)
- Explorer et visualiser les données pour en tirer des tendances
- Construire et entraîner des modèles statistiques et de machine learning
- Évaluer la performance des modèles et les ajuster
- Traduire les résultats en recommandations claires pour des non-techniciens
- Collaborer avec data engineers, métiers et direction pour cadrer les besoins
Le cadre (où, avec qui)
Entreprises tech, banques/assurances, e-commerce, conseil, grands groupes, startups. Travail de bureau en équipe data, souvent en télétravail partiel. Beaucoup de Python/SQL, de réunions de cadrage et de documentation.
Une journée type
Tu commences par récupérer et nettoyer un jeu de données souvent sale et incomplet (gros du temps). Tu codes en Python (pandas, scikit-learn), tu testes des modèles, tu compares les résultats. Réunions avec le métier pour comprendre le besoin réel, puis présentation de tes analyses en langage simple. Une grosse partie du travail est de la préparation et de la pédagogie, pas seulement de l'IA.
La réalité du salaire
Ordre de grandeur à confirmer : un débutant gagne en général 3 000 à 4 000 € brut/mois (~2 400 à 3 100 € net), souvent autour de 40-45 k€ brut/an. Mais en sortie de bootcamp sans bac+5, beaucoup démarrent en réalité sur des postes de data analyst (~32-38 k€ brut) avant d'accéder au titre de data scientist. Salaires plus élevés à Paris, en finance et en tech.
Y accéder en reconversion
Voie royale : bac+5 (master maths/informatique/statistiques, école d'ingénieurs, master spécialisé data/IA). En reconversion : bootcamps intensifs (Jedha, DataScientest, Le Wagon) de 3 mois temps plein à ~9 mois alternés, éligibles CPF/PTP/AIF (France Travail). Attention au coût réel : 8 000 à 15 000 €, rarement couvert en totalité par le CPF (souvent à compléter). Un bon niveau de Python et de maths en prérequis est quasi indispensable.
La pénibilité, sans filtre
- 70-80% du temps en nettoyage/préparation de données : très loin de l'image "IA créative"
- Marché junior saturé par les reconvertis de bootcamps ; les recruteurs préfèrent souvent un bac+5
- Pression sur la rapidité de mise en production et la valeur business démontrée
- Apprentissage permanent obligatoire (outils, libs, modèles évoluent vite, IA générative comprise)
- Risque de désillusion : décrocher le premier poste "data scientist" peut prendre 6-12 mois de plus que promis
Évolutions possibles
- Data scientist senior puis lead data scientist
- Machine learning engineer (mise en production des modèles)
- Data/AI manager ou chef de projet data
- Spécialisation en MLOps, NLP, computer vision ou IA générative
Pour toi si…
Solide en maths/stats et à l'aise en programmation, curieux, rigoureux, patient avec des données imparfaites, et capable d'expliquer simplement des résultats complexes. Idéal si tu as déjà un bagage scientifique ou technique.
Évite si…
Si tu crois qu'un bootcamp de 3 mois suffit à décrocher un job bien payé sans bases en maths/code, ou si le nettoyage de données fastidieux te rebute. Le marketing des écoles survend largement la réalité du marché junior.
Source : fiche ROME M1805 · source 1 · source 2 · source 3 · source 4 · source 5