À l’ère du digital, la multiplication des données (la data) est un des défis majeurs des entreprises. Loin d’être un frein, elle constitue en réalité un formidable levier de développement… à condition de l’exploiter intelligemment et en recrutant les bons experts. Parmi eux : le data scientist. Vous recherchez le profil idéal ? Compétences, salaire, formations, conseils pendant l’entretien… Voici ce qu’il faut savoir pour mettre toutes les chances de vos côtés et recruter la perle rare.

Les principales missions du data scientist

Le data scientist fait parler les données d’une entreprise afin d’en tirer toute la valeur. Sa semaine type est animée par trois principales missions :

  • Traiter les données : les données en possession de l’entreprise sont récoltées, nettoyées (data cleaning) et analysées.
  • Construire des algorithmes : grâce à une grande précision d’analyse, il exploite les données pour élaborer des modèles de prédiction et anticiper les tendances.
  • Échanger avec les autres expertises métier : après avoir été rendus plus lisibles, les résultats d’analyse sont retranscrits en recommandations stratégiques et en outils d’aide à la décision pour la direction. Au quotidien, le data scientist doit expliquer de façon claire et efficace les résultats de son travail aux équipes métier.

Les compétences techniques du data scientist parfait

Très riche, le métier de data scientist exige la maîtrise de compétences techniques. Les recruteurs recherchent désormais des profils capables de développer et industrialiser leur code et modèle de machine learning. Si de nombreux langages permettent de créer des algorithmes, les plus utilisés sont :

  • Les langages informatiques
Langage de gestion de bases de données Langage de programmation
SQL Python
SAS Scala
R
  • Les frameworks Python
Analyse des données / Preprocessing Visualisation de données Modeling
Pandas Matplotlib TensorFlow
NumPy Seaborn Scikit-learn
Keras Plotly PyTorch
  • Les outils big data
    • Apache Spark
    • Apache Kafka
    • Apache Hadoop
  • Autres outils de data visualization
    Microsoft Power BI et Tableau sont d’autres solutions intelligentes régulièrement utilisées par les data scientists. La connaissance de différents fournisseurs de cloud tels que Azure GCP et AWS est également requise.

 

4 conseils pour recruter le data scientist idéal

Il est parfois difficile de trouver la perle rare qui saura répondre parfaitement à vos attentes. Pour faciliter votre sélection, on vous conseille de :

  • Demander son portfolio ou tester ses aptitudes

Le candidat a probablement un portfolio en data science (site web, blog, page linkedin, tableaux de bord Power BI, etc.) regroupant les travaux déjà accomplis et démontrant ses compétences. Généralement, ils détaillent les méthodes et outils utilisés, ainsi que des exemples de résultats obtenus. Autre possibilité : proposer directement un test technique au candidat.

  • S’appuyer sur des recommandations

Si le candidat a effectué des missions en freelance, n’hésitez pas à jeter un œil aux feedbacks des clients ou à lire ses références. Vous pouvez également faire appel à un partenaire de recrutement spécialisé dans la data comme Yotta Notre atout : s’appuyer sur un vaste réseau de managers pour amplifier la recommandation de profils et faciliter la prise de références.

  • S’assurer que ses compétences matchent avec vos besoins

Le bon candidat est avant tout celui qui a les compétences en adéquation avec votre entreprise. Si votre équipe développe ses algorithmes en Python ou utilise des logiciels spécifiques par exemple, il doit être capable de maîtriser ces outils. Le former demanderait du temps supplémentaire.

  • Proposer une liste des questions à poser pendant l’entretien

Programmation, mathématiques, machine learning, analyse des données, compréhension business… Pour passer en revue ses connaissances, préparez des questions précises telles que :

À partir de ce tableau sur les actions de nos utilisateurs, écrivez une requête pour connaître la rétention des usagers actifs par mois (à modifier)

Quel est le récent projet sur lequel vous avez travaillé ?

J’ai consulté la liste de vos compétences. Pourquoi avoir choisi de travailler avec ces solutions en particulier ?

Quelle rémunération pour un data scientist ?

Pour estimer la rémunération de votre futur data scientist, découvrez notre grille de salaire :

Paris Grandes villes Date de dernière mise à jour
Junior
(0-2 ans d’exp)		 45 k € – 57 k € brut/an 35 k € – 50 k € brut/an 15 janvier 2024
Confirmé(2-5 ans d’exp) 50 k € – 80 k € brut/an 45 k € – 65 k € brut/an 15 janvier 2024
Senior (+5 ans d’exp) 65 k € – 80 k € brut/an 54 k € – 75 k+ € brut/an 15 janvier 2024

Note : en région parisienne, les salaires sont généralement 20 à 30 % plus élevés.

 

Les évolutions de carrière pour un data scientist

Après plusieurs années d’expérience au sein d’une entreprise, le data scientist peut évoluer en :

  • Lead data scientist : pour manager une équipe de data scientists ;
  • Responsable d’un pôle data ;
  • Head of AI ;
  • Head of Machine Learning ;
  • Head of Data Science ;
  • VP Data Science ;
  • Chief data officer.

Il peut également se reconvertir vers un autre métier de la data tel que le data analyst ou le data engineer.

Les formations et écoles pour former au métier de data scientist

En France, plusieurs cursus forment au métier de data scientist. Ils sont proposés dans plusieurs établissements tels que les :

  • Écoles d’ingénieurs
    Elles donnent accès au master en Data Science. Parmi les diplômes les plus reconnus :

    • Master Mathématiques, Vision, Apprentissage (MVA) à Paris ;
    • Master 2 Data Science – École Polytechnique ;
    • Mastère spécialisé Data Science – ENSAE ;
    • Mastère spécialisé Big Data – Télécom ParisTech.
    • D’autres masters en data science sont proposés à l’école Les Mines et Centrale-Supélec.
  • Universités scientifiques
    Les candidats peuvent détenir un :

    • Master 2 Intelligence Artificielle, Systèmes, Données – Paris Dauphine ;
    • Master 2 Data Science – Université Paris-Saclay.
    • Paris Sorbonne et d’autres universités proposent également des cursus similaires.
  • Écoles de commerce ou de management
    Plusieurs établissements proposent des Masters Spécialisés (MS) et des Master of Science (MSc). Parmi eux :

    • Master of Science (MSc) Data Science for Business – HEC ;
    • Master in Data Sciences & Business Analytics – ESSEC ;
    • MSc in Big Data and Business Analytics – ESCP Europe ;
    • MSc in Digital Marketing & Digital Marketing & Data Science – EM Lyon ;
    • MSc in Data Analytics & Artificial Intelligence – EDHEC ;
    •  MSc Intelligence artificielle et digitalisation – SKEMA ;
    • Master in Big Data Analytics for Business – IESEG.

> À lire aussi : Comment recruter un Data Analyst ?

FAQs

Le data analyst « prépare le terrain » en construisant des structures de données ayant pour objectif de faciliter la prise de décision sur un sujet précis. Le data scientist se nourrit de ces résultats d’analyses afin de prendre des décisions et résoudre des problèmes business.
Ces deux métiers sont complémentaires et nécessitent les mêmes compétences en matière de systèmes d’exploitation, statistiques, bases de données ou encore visualisation de données.

Ils ont pour mission commune de collecter et stocker les données. Le data engineer va toutefois s’occuper de leur maintenance et de leur entretien, tandis que le data scientist va les extraire afin de les exploiter.

Plan de la fiche