Data scientist

L'accès au métier passe le plus souvent par un bac+5. Après un bac général à dominante scientifique, deux voies dominent : la licence universitaire en mathématiques, statistiques, informatique ou économétrie, suivie d'un master spécialisé (data science, MIASHS, statistique appliquée, économétrie) ; ou une école d'ingénieurs (ENSAE, ENSAI, Télécom Paris, Centrale, Mines) éventuellement complétée d'un mastère spécialisé. Les doubles cursus maths-informatique-économie sont valorisés. La durée moyenne d'études se situe entre cinq et sept ans après le bac, parfois prolongée par un doctorat pour les postes de recherche. Les stages longs en entreprise (6 mois) et l'apprentissage en dernière année facilitent l'insertion professionnelle.

Le premier poste est généralement celui de data scientist junior ou chargé d'études, en cabinet de conseil, ESN, banque, assurance, grand groupe industriel ou institut public (Insee, ministères). Le salaire net de début se situe autour de 2 200 à 2 600 €/mois, plus élevé en région parisienne. Le jeune embauché travaille en équipe sur des projets concrets : modèles prédictifs, segmentation clients, détection de fraude, études socio-économiques. La progression est rapide les trois premières années, avec une montée en autonomie technique (Python, R, SQL, cloud) et une exposition croissante aux interlocuteurs métiers. Vers 28-30 ans, beaucoup accèdent à un statut confirmé avec une première responsabilité de projet.

Entre 30 et 50 ans, la carrière se structure autour de trois trajectoires : l'expertise technique (lead data scientist, data engineer senior, spécialisation en machine learning, NLP ou séries temporelles), le management (responsable d'équipe data, head of data) ou le conseil et l'expertise métier (études socio-économiques, économétrie sectorielle). Le salaire net médian s'établit à 2 337 €/mois EQTP, mais les profils confirmés dans les secteurs banque-assurance, tech ou conseil dépassent souvent 3 500 à 4 500 €/mois nets. La mobilité reste forte : un changement d'entreprise tous les 4 à 6 ans est courant et constitue le principal levier de progression salariale. C'est aussi la période où s'ancre une spécialisation sectorielle (santé, énergie, finance, secteur public).

Après 50 ans, les data scientists expérimentés occupent souvent des fonctions de chef de projet senior, expert référent, responsable d'études ou directeur data. La pression technique de la veille permanente (nouveaux outils, nouveaux frameworks) reste forte et constitue un point de vigilance, certains profils choisissant de basculer vers le conseil indépendant, l'enseignement ou des fonctions transverses (gouvernance des données, conformité, éthique de l'IA). Le passage à temps partiel ou à des missions de mentorat est de plus en plus fréquent à partir de 58-60 ans. La préparation de la retraite passe par la consolidation des trimestres cotisés, la vérification du relevé de carrière auprès de l'AGIRC-ARRCO et, pour certains, des versements complémentaires sur PER.

Le data scientist relève du régime général pour la base et de l'AGIRC-ARRCO pour la complémentaire, le statut cadre étant quasi systématique. En liquidant à 67 ans (âge du taux plein automatique), la pension brute projetée atteint environ 1 867 €/mois, soit autour de 1 700 € nets après prélèvements sociaux. Un départ à 64 ans, âge légal de référence, entraîne une pension inférieure de 10 à 15 % selon les trimestres validés. Le cumul emploi-retraite est fréquent dans ce métier : missions ponctuelles de conseil, expertise judiciaire, vacations d'enseignement universitaire. Ces compléments permettent de prolonger une activité intellectuelle valorisée tout en augmentant les revenus de 500 à 1 500 €/mois selon l'intensité.