Data Scientist : marché

Offre

une offre ouverte ayant passé le contrôle qualité et citant au moins deux technologies

Candidat observé

un candidat dont la stack contient cette technologie ; un agrégat — aucune fiche individuelle ne sort du périmètre

Candidat correspondant

pas encore compté

Fenêtre

offres ouvertes au moment de la création de l'instantané

Le DS Junior — l'entrée la plus accessible dans la direction ML/IA (parcours typique : analyste 1-2 ans → DS Junior). Le saut Junior → Middle — après le premier modèle en production + le premier test A/B autonome. Middle → Senior — responsabilité multi-projets + responsabilité de l'impact business (hausse documentée du chiffre d'affaires / de la rétention / de la conversion). Senior → Lead / Principal — stratégie DS pour un domaine produit + recrutement de 3-7 DS + mentorat. Parcours de carrière : Data Analyst (1-2 ans) → DS Junior (1-2 ans) → Middle (2-3 ans) → Senior → soit DS Lead / Principal (profondeur), soit pivot vers ML Engineer (filière plus technique), soit pivot vers Product Manager, soit fondateur.

Top 5 : python, sql, cloud, aws, llm. Python — monopole (R a presque disparu des nouvelles offres de 2026, il subsiste dans l'historique santé/biostatistiques). Maîtrise de SQL — obligatoire : requêtes complexes avec fonctions de fenêtrage + CTE + maîtrise des JOIN + optimisation des requêtes (le DS lit les plans d'exécution). Manipulation des données : pandas (cœur), NumPy (calcul numérique), Polars (moderne, en hausse — 10-100× plus rapide sur les gros volumes), PyArrow. ML classique — l'arsenal de base : scikit-learn (sélection de modèles / prétraitement / pipelines / métriques), XGBoost + LightGBM + CatBoost (gradient boosting — l'outil de travail pour les données tabulaires), statsmodels (régression + séries temporelles + tests statistiques). Statistiques : scipy.stats, statsmodels, inférence causale (DoWhy, EconML — un plus pour un Senior). Visualisation : matplotlib + seaborn + plotly (dans les notebooks), Tableau / Looker / Power BI / Apache Superset / Metabase (pour les parties prenantes). Tests A/B : scipy.stats / statsmodels pour l'analyse, plateformes internes ou Statsig / Eppo / Optimizely / GrowthBook. Compréhension de l'analyse de puissance, du calcul de taille d'échantillon, de la correction des tests multiples, des tests séquentiels. Deep learning (un plus, pas obligatoire) : PyTorch / TensorFlow pour les tâches DS de CV / NLP. Suivi des expériences : MLflow ou Weights & Biases. Outils BI / tableaux de bord : Tableau / Looker / Apache Superset / Metabase / Mode / Hex. Notebooks : Jupyter + VS Code (le marché de 2026 migre de Jupyter brut vers l'hybride). Environnements DS dans le cloud : AWS SageMaker Studio / GCP Vertex AI Workbench / Databricks / Snowflake Snowpark. En plus pour un Senior : inférence causale (DoWhy / EconML / CausalImpact), modélisation d'uplift, modélisation bayésienne (PyMC / Stan), séries temporelles (Prophet / NeuralProphet / statsforecast).

Data Analyst — focus sur le reporting + les tableaux de bord + les analyses ad hoc. SQL + Excel + Tableau / Looker / Power BI. Moins orienté ML. Convient pour entrer dans la data. Data Scientist (cette page) — focus sur la formulation des problèmes métier + la modélisation statistique + les tests A/B + la communication des insights. SQL en profondeur + Python + sklearn + XGBoost + statsmodels + visualisation. Fait du ML, mais n'est pas responsable de l'infrastructure de production (déploiement / serving / monitoring — c'est le rôle de l'ML Engineer). ML Engineer — focus sur les pipelines ML en production + le déploiement + la mise à l'échelle + l'infrastructure LLM/RAG. Stack DS + Docker / K8s + MLflow + Airflow + ML managé dans le cloud. Voir ML Engineer. Parcours : Analyste → DS Junior → DS Middle/Senior. Passage DS ↔ ML Engineer en 3-6 mois (apprendre le MLOps + Docker / K8s + le ML cloud). Passage DS ↔ Product Manager en 2-4 mois (le DS maîtrise déjà la pensée produit + les tests A/B — ajouter la planification de roadmap + la gestion des parties prenantes). DS → Research Engineer / Scientist — nécessite un PhD ou 3+ ans de spécialisation approfondie.

Arbre de décision pour choisir sa boîte à outils DS en 2026 : 1) Données tabulaires, classification/régression, <1 M lignes → scikit-learn (LogisticRegression / RandomForest / GradientBoosting). Pipelines + prétraitement — sklearn l'emporte pour une intégration simple. 2) Données tabulaires, >100 K lignes, performance critique → XGBoost / LightGBM / CatBoost. L'outil de référence 2026 pour les tâches tabulaires : scoring de crédit, prédiction de l'attrition, conversion, détection de fraude, prévision de la demande. LightGBM — le plus rapide, XGBoost — l'écosystème le plus mature, CatBoost — le meilleur pour les variables catégorielles sans prétraitement. 3) Séries temporelles → Prophet / NeuralProphet (Facebook) ou statsforecast (Nixtla — état de l'art du classique) ou approche ML (LightGBM sur des séries temporelles avec feature engineering — bat souvent les bibliothèques spécialisées). 4) NLP / classification de textes → Hugging Face Transformers (fine-tuning d'un petit BERT/DeBERTa/RoBERTa) ou scikit-learn TF-IDF + LogisticRegression si <10 K documents (baseline plus simple). 5) Computer Vision → PyTorch + torchvision (classification / détection / segmentation d'images). Pour la production — vLLM / TGI. 7) Systèmes de recommandation → LightGBM / XGBoost sur utilisateurs × items avec feature engineering (l'outil de référence 2026), implicit / LightFM (classiques du filtrage collaboratif), recsys deep learning en PyTorch (NeuMF / Two-Tower / Transformer4Rec). 8) Inférence causale / modélisation de l'uplift → DoWhy / EconML / CausalML. 9) Modélisation bayésienne (quand la quantification de l'incertitude compte — médical / finance) → PyMC / Stan / NumPyro. 10) Détection d'anomalies → PyOD + Isolation Forest + approches basées sur LightGBM. Par défaut 2026 : 80 % des tâches tabulaires sont résolues par LightGBM / XGBoost / CatBoost ; le deep learning — pour la CV / le NLP / les recsys.

Oui, 27 % des offres DS sont entièrement à distance ou hybrides. Le travail en DS — Jupyter + entrepôt de données cloud (Snowflake / BigQuery / Databricks / Redshift) + tableaux de bord. Les sociétés d'outsourcing — presque toujours à distance sur des projets américains. Entreprises produit russes — hybride ou à distance après la période d'essai. Banques russes — hybride/bureau pour des raisons de conformité de la sécurité des données. Entreprises tech internationales — tout à distance standard. Pôles d'expatriation : Pologne (Varsovie/Cracovie — favorable à la DS), Allemagne (Berlin / Munich), Canada (Toronto / Vancouver), Serbie, Géorgie, Émirats arabes unis. L'anglais pour le télétravail international en DS — indispensable (prime de +25-40 %, et les postes de DS exigent de communiquer avec les parties prenantes — un anglais oral solide).

Product Data Scientist — un DS fortement orienté produit + responsable des expérimentations de croissance + de la modélisation de la rétention + de l'analyse de l'impact des fonctionnalités. Travaille en étroite collaboration avec le PM et l'ingénierie. La stack est la même, mais l'accent porte sur : la maîtrise des tests A/B (expériences multivariées, tests séquentiels, correction des tests multiples, analyse de puissance), les métriques de croissance (DAU/MAU/courbes de rétention/analyse d'entonnoir), l'inférence causale sur des données observationnelles. Rémunération comparable à celle d'un DS Senior (médiane), mais dans les startups produit américaines, le Product DS dépasse souvent le DS Senior généraliste grâce à la responsabilité de l'impact business. Data Scientist généraliste — peut travailler dans n'importe quel domaine (risque bancaire, demande dans le retail, qualité industrielle). DS Recherche (ou simplement « DS » dans un contexte de recherche) — centré sur des approches de modélisation nouvelles + des publications (souvent en filière doctorat). Voir aussi Research Engineer / Scientist. Choix de carrière : Product DS si l'impact produit vous intéresse et que vous aimez communiquer avec les parties prenantes, DS généraliste pour la flexibilité de domaine, DS Recherche pour la recherche de nouvelles méthodologies. Les trois sont des parcours Senior+ légitimes.

Feuille de route : 1) Maîtrise de SQL — indispensable (fonctions de fenêtrage / CTE / stratégie de JOIN / optimisation des requêtes). Livre « SQL for Data Scientists » de Tanimura. Cours « Mode SQL Tutorial » (gratuit). 2) Python pour la data science : maîtrise de pandas + NumPy, non seulement la syntaxe mais aussi les patterns de performance (vectorisation, pièges de .apply). Livre « Python for Data Analysis » de McKinney. 3) Statistiques : descriptives + inférentielles + tests d'hypothèses + ANOVA + régression linéaire en profondeur. Cours « Statistical Learning » de Hastie / Tibshirani (StanfordOnline — gratuit). Livre « Practical Statistics for Data Scientists » de Bruce. 4) ML classique : maîtrise de scikit-learn (pipelines / validation croisée / arbitrages entre métriques / calibration), XGBoost / LightGBM / CatBoost (les chevaux de bataille du gradient boosting). « Machine Learning Specialization » d'Andrew Ng (Coursera) + « Introduction to Statistical Learning » de Hastie (ISL — PDF gratuit). 5) Maîtrise des tests A/B — analyse de puissance, taille d'échantillon, tests séquentiels, correction des comparaisons multiples, réduction de variance CUPED. Livres : « Trustworthy Online Controlled Experiments » de Kohavi (à lire absolument), « Statistical Methods in Online A/B Testing » de Georgi. 6) Visualisation & storytelling — matplotlib + seaborn + plotly pour les notebooks + Tableau / Looker / Power BI / Apache Superset pour les parties prenantes. Livres : « Storytelling with Data » de Knaflic, « The Visual Display of Quantitative Information » de Tufte (classique). 7) Spécialisation métier — choisir entre fintech / santé / commerce de détail / télécoms / e-commerce et étudier les enjeux propres au domaine. 8) Deep learning en bonus : bases de PyTorch pour les tâches de data science en vision / NLP. 9) Inférence causale (bonus Senior) : « The Effect » de Huntington-Klein (manuel gratuit en ligne), bibliothèques DoWhy / EconML. 10) Projet personnel : projet de data science de bout en bout sur Kaggle (exploration des données → feature engineering → choix du modèle → calibration → présentation métier) + 1 projet de simulation de test A/B. International (EN) : DeepLearning.AI (Andrew Ng), fast.ai, Coursera IBM Data Science Professional. Analyste → Data Scientist Junior — 6-12 mois. Backend Middle → Data Scientist Junior — 8-14 mois (lacunes en maths + statistiques).

3027 active open DS positions. Geography: the US, the UK, Singapore. The real market is broader thanks to a huge international remote segment. Time to close a Senior DS role — 4-10 weeks (faster than ML Engineer thanks to broader entry pool).

Un DS Senior prend en charge le cycle complet, du problème business au modèle en production + le leadership technique. Maîtrise de SQL : fonctions de fenêtrage / CTE / JOIN complexes / optimisation des requêtes / lecture des plans d'exécution. Python pour la DS : patterns de performance pandas / NumPy / Polars, vectorisation, optimisation guidée par le profilage. Maîtrise des statistiques : tests d'hypothèses en profondeur, pensée bayésienne, inférence causale (DoWhy / EconML), bases de la modélisation bayésienne (PyMC). Maîtrise du ML classique : feature engineering approfondi, justification du choix de modèle, calibration, métriques alignées sur le business, maîtrise des hyperparamètres du gradient boosting (XGBoost / LightGBM / CatBoost). Maîtrise des tests A/B : analyse de puissance, tests séquentiels, correction des tests multiples, réduction de variance CUPED, gestion des effets de réseau, effets de nouveauté/primauté, expérimentations switchback pour les marketplaces, géo-expérimentations. « Trustworthy Online Controlled Experiments » de Kohavi — le livre de chevet. Deep Learning (bonus) : PyTorch pour les tâches DS en CV / NLP. DS à l'ère des LLM : prompt engineering, bases du RAG, LLM-as-judge pour l'évaluation, applications des LLM dans le workflow DS (exploration des données / données synthétiques / aide à l'annotation). Visualisation & communication : maîtrise du storytelling avec les données — transformer les résultats en décisions business pour des parties prenantes non techniques. DS dans le cloud : l'un de AWS SageMaker / GCP Vertex AI / Databricks / Snowflake en profondeur. Soft skills : gestion des parties prenantes (produit / business / ingénierie), rédaction technique (documents d'analyse, rapports post-expérimentation, notes de décision), mentorat de DS Middle, recrutement (entretiens de candidats DS), communication avec la direction. Expertise métier : compréhension approfondie d'un ou deux domaines (fintech / santé / retail / télécoms / e-commerce) — principal moteur de la prime pour Senior+. Anglais INDISPENSABLE pour Senior+ — les rôles DS sont très tournés vers les parties prenantes, et la plupart des ressources / articles / de la communauté sont en anglais.