Data analyst : trois métiers différents sous un même intitulé

Le titre de data analyst couvre trois métiers. Le premier répond aux demandes de tableaux de bord des directions. Le deuxième, que le marché nomme désormais analytics engineer, modélise et documente les données de l'entrepôt. Le troisième travaille comme un consultant interne, sur des questions qui restent à formuler. Le guide pour recruter un data analyst du cabinet Entourage Recrutement fait de ce choix la première décision du recrutement, et de son absence la première cause d'échec : une annonce qui laisse ouvertes les trois options reçoit un grand nombre de candidatures, toutes écartées au tri, parce que les viviers ne se recouvrent que partiellement.

Le volume aggrave la difficulté. Le data analyst est l'un des postes les plus demandés de la famille data en France, et une annonce vague produit une pile de candidatures qui se trie à la main. Le 20 octobre 2026, la page du cabinet recensait 39 annonces ouvertes sur le marché pour ce poste.

Le palier intermédiaire

L'analytics engineer a un acte de naissance assez précis. En 2019, Claire Carroll, chez dbt Labs, racontait avoir été recrutée comme analyste, puis avoir vu son travail changer : les directions finance et marketing produisaient leurs propres rapports, et elle passait ses journées à écrire du code de transformation et de test, ainsi que de la documentation. Elle définissait le nouveau rôle ainsi : fournir aux utilisateurs des jeux de données propres, modélisés pour qu'ils répondent eux-mêmes à leurs questions, en appliquant au code analytique les pratiques du génie logiciel, comme la gestion de versions et l'intégration continue.

Elle situait la bascule dans les changements d'outillage intervenus après 2012 : entrepôts en nuage, services d'ingestion, outils décisionnels en libre-service. Le même texte décrit un symptôme bien connu des comités de direction, la réunion où deux dirigeants arrivent avec deux chiffres différents pour le même indicateur.

Le guide d'Entourage Recrutement place ce palier au centre du marché actuel : c'est, selon lui, le plus tendu du domaine. Les profils qui savent modéliser dans l'entrepôt, versionner leurs transformations et documenter leurs indicateurs se placent au-dessus du milieu de fourchette et reçoivent plusieurs propositions. Ce recrutement est pertinent quand les chaînes d'ingestion existent déjà et que le problème est la modélisation.

Le guichet, une dérive par défaut

Quand l'entrée dans le catalogue d'indicateurs reste libre, chaque demande métier devient un tableau de plus. L'analyste en produit beaucoup, dont une minorité sert, passe son temps à les maintenir, et finit par partir en ayant peu appris. Le guide propose une règle : toute nouvelle demande passe par une personne qui a le droit de la refuser, et cette personne est distincte de l'analyste.

La documentation de Microsoft sur l'adoption de sa plateforme Fabric décrit le même arbitrage à l'échelle de l'organisation. Elle distingue trois stratégies de propriété du contenu décisionnel. Dans le libre-service piloté par les métiers, les créateurs et les experts d'une unité détiennent et gèrent tout. Dans le libre-service managé, une équipe centrale détient les données, et les utilisateurs prennent en charge rapports et tableaux de bord. Dans le modèle d'entreprise, une équipe centrale détient l'ensemble. Le niveau de gouvernance et de supervision croît d'une stratégie à l'autre, et l'éditeur recommande d'indiquer clairement qui est responsable de chaque élément.

La description du poste d'analyste dépend de celle de ces organisations qui s'applique, et du nom de la personne qui arbitre le catalogue. Le guide d'Entourage Recrutement relève que la réponse détermine la durée en poste du futur titulaire.

Mesurer l'usage plutôt que le volume

Le nombre de tableaux produits est le critère le plus facile à suivre et le plus trompeur. La valeur du poste se mesure aux décisions que ces tableaux ont changées, ce qui suppose un suivi de l'usage réel. Faute de cette mesure, l'entreprise obtient ce qu'elle compte : beaucoup de tableaux, peu d'effet, et un catalogue devenu illisible au bout de deux ans.

L'accès aux directions métier compte autant. Un analyste qui reçoit ses demandes par ticket, à distance de celui qui pose la question, répond à la demande formulée plutôt qu'au besoin réel, alors que l'essentiel de la valeur du métier consiste à reformuler la question avant de la traiter. Les candidats expérimentés demandent qui ils verront et à quelle fréquence, et la réponse pèse plus que l'outil de visualisation en place.

Analyste, ingénieur ou data scientist

Deux erreurs de casting reviennent. La première consiste à recruter un analyste quand la donnée manque, arrive périmée ou se récupère à la main : le problème relève alors de l'alimentation, et l'analyste passe son année à construire des chaînes pour lesquelles il manque d'outils et de mandat. La seconde consiste à recruter un data scientist là où un analyste rigoureux réglerait la question plus vite et pour moins cher. L'analyste décrit et explique ce qui s'est passé, avec des méthodes lisibles par une direction ; le data scientist construit des modèles qui prédisent ou classent.

La qualité de la donnée pèse sur le poste. L'analyste, en bout de chaîne, découvre qu'un champ est renseigné une fois sur trois, et c'est lui qu'on interroge quand un chiffre est faux. En l'absence de propriétaire métier et de processus de correction en amont, une part croissante de son temps passe à expliquer des anomalies hors de sa portée.

Tester sur un schéma réel

Le SQL reste la compétence centrale du métier, et la seule qui se teste objectivement. Le guide décrit une épreuve construite sur un extrait du schéma de l'entreprise : deux tables mal nommées, des doublons, une jointure piégeuse, une question métier à traiter en quarante minutes, documentation autorisée. Elle montre la méthode du candidat, sa façon de vérifier un résultat, et ce qu'il fait quand le chiffre obtenu lui paraît suspect.

Les outils d'assistance à la rédaction de requêtes ont déplacé la valeur, note le guide. Écrire une requête simple est devenu banal ; savoir qu'une jointure va dupliquer des lignes, reconnaître un résultat forcément faux et reformuler une question mal posée discriminent davantage. Une partie des entretiens a pris du retard sur ce point.

Fourchettes et conditions

Le baromètre du cabinet situe la fonction entre environ 35 000 euros brut annuels pour un profil junior et 95 000 euros et au-delà pour un lead qui porte une équipe d'analyse. Les entreprises dont le produit repose sur la donnée paient nettement au-dessus des directions métier qui s'équipent.

Le niveau réellement nécessaire reste à trancher. Beaucoup de postes annoncés en confirmé se tiennent avec un profil de deux ans bien accompagné, tandis que certains postes annoncés en junior demandent de reprendre seul un entrepôt entier. Le télétravail est très répandu sur cette fonction, ce qui élargit le vivier accessible et expose à une concurrence nationale. La proximité avec les directions métier reste, selon le guide, un argument d'attractivité réel pour les candidats qui veulent voir l'effet de leur travail.