Data scientist : l'accès aux données décide du recrutement

L'intitulé de data scientist a beaucoup dérivé en dix ans. Certaines annonces qui l'emploient décrivent un travail d'analyse : indicateurs, exploration, tableaux de bord. D'autres attendent la mise en production de modèles, c'est-à-dire de l'ingénierie. Le guide pour recruter un data scientist du cabinet Entourage Recrutement observe que les deux recrutements échouent de la même façon : la personne part au bout d'un an, après avoir fait correctement un travail étranger à celui pour lequel elle était venue. Le guide part donc d'une question écrite avant toute recherche : que fera la personne les six premiers mois, en livrables concrets ?

Si la réponse ressemble à des tableaux de bord et de l'exploration, le poste est un poste d'analyse. Nommé ainsi, il reçoit des candidatures plus adaptées, plus vite, avec une fourchette qui correspond au travail réellement confié.

L'accès aux données, première cause d'échec

Le candidat arrive et découvre qu'obtenir un extrait demande un ticket, une validation et plusieurs semaines, que les bases de production sont fermées, que l'environnement d'analyse reste à créer. Il passe ses premiers mois à négocier des accès. Le guide en fait la première cause d'échec sur cette fonction, très loin devant le niveau technique, et la juge entièrement prévisible. La question posée au cadrage est simple : combien de temps faut-il aujourd'hui pour qu'un nouvel arrivant obtienne un jeu de données réel ?

Une partie de ce délai a une cause juridique, que la direction peut instruire avant l'arrivée. La CNIL rappelle qu'un système d'IA reposant sur des données personnelles doit être développé, entraîné et déployé avec une finalité déterminée, légitime et explicite, établie dès la conception du projet. Elle distingue la phase d'apprentissage de la phase de production : les deux ne poursuivent pas le même objectif et doivent être séparées, chacune avec sa finalité. Elle rappelle aussi que la base légale se choisit avant la mise en œuvre, parmi les six que prévoit le RGPD, et que la réutilisation de données collectées pour une autre finalité pose la question de la compatibilité des finalités. Un data scientist qui arrive avant que ces points soient tranchés attend que d'autres les tranchent.

Le chemin vers la production

Le modèle fonctionne, la démonstration convainc, et tout s'arrête faute d'équipe et de processus pour l'exploiter. Au bout d'un an, l'entreprise conclut que la science des données est inutile, et le data scientist conclut la même chose de son poste. Le guide qualifie l'obstacle d'organisationnel plutôt que technique, et en tire une conséquence : quand ce chemin manque, le premier recrutement utile est souvent celui d'un ingénieur capable de le construire.

La littérature d'ingénierie documente ce coût depuis longtemps. En 2015, une équipe menée par D. Sculley publiait à la conférence NIPS un article sur la dette technique cachée des systèmes d'apprentissage automatique. Les auteurs y jugent dangereux de croire que les gains rapides de ces systèmes sont gratuits, et constatent des coûts de maintenance massifs et durables dans les systèmes réels. Ils en détaillent les facteurs : l'érosion des frontières entre composants, leur enchevêtrement, les boucles de rétroaction cachées, les consommateurs non déclarés, les dépendances de données, la configuration et les changements du monde extérieur.

Les règles de l'apprentissage automatique publiées par Google, rédigées par Martin Zinkevich, vont dans le même sens. La première invite à ne pas craindre de lancer un produit sans apprentissage automatique, tant que les données manquent. La deuxième demande de concevoir et de mettre en place les métriques d'abord. La quatrième recommande un premier modèle simple et une infrastructure correcte, en prévenant que les problèmes d'infrastructure seront plus nombreux que prévu.

Ces textes déplacent la question du recrutement : le profil du premier data scientist dépend de ce qui existe autour de lui, données accessibles, métriques en place, infrastructure pour exploiter un modèle.

Poser la bonne question avant le modèle

Beaucoup d'entretiens portent sur les méthodes, leurs variantes et leurs hypothèses. Le travail réel consiste d'abord à traduire une demande floue en problème traitable, et souvent à démontrer qu'elle reste intraitable avec les données disponibles. Le guide préconise un exercice sur un cas réel, avec des données imparfaites : ce que le candidat cherche à savoir avant d'ouvrir un modèle en dit davantage que les méthodes qu'il énumère.

Le diplôme appelle la même prudence. Le doctorat rassure un comité, mais un profil orienté recherche s'ennuie si le besoin consiste à livrer vite des réponses exploitables sur des données sales, et l'entreprise trouve alors ses délais longs. L'inverse existe : confier un problème réellement difficile à un profil formé aux outils standards produit un modèle plausible et faux. Le critère utile, selon le guide, tient à la nature du problème à traiter plutôt qu'au niveau de diplôme.

Un poste isolé coûte plus cher

Un data scientist seul, rattaché à une direction métier, sans pair pour relire son travail ni ingénieur pour l'aider à livrer, produit des analyses incontestées et inutilisées. La situation est fréquente et coûteuse. Quand le premier recrutement doit rester isolé, le guide recommande un profil plus autonome et plus senior que le budget ne le suggère, avec la fourchette correspondante posée dès le cadrage. L'autre voie consiste à différer la recherche jusqu'à pouvoir ouvrir deux postes.

Ce que dit le marché

La demande s'est déplacée, selon le guide. Après une période où les entreprises recrutaient pour explorer, elles recrutent pour livrer, et les postes sans perspective de mise en production se pourvoient mal : les candidats expérimentés en ont déjà vécu un. Le vivier est large en volume et inégal en profondeur ; beaucoup de candidats maîtrisent les outils standards mais découvrent encore les données manquantes, la fuite d'information ou l'effet qui disparaît en production.

Le baromètre du cabinet situe la fonction entre environ 45 000 euros brut annuels pour un profil junior encadré et plus de 100 000 euros pour un lead ou un principal. À séniorité égale, les entreprises dont le produit repose sur la donnée rémunèrent nettement au-dessus des directions métier qui se dotent d'une première compétence. La concurrence se joue aussi sur l'accès aux données, la présence de pairs et l'existence d'un chemin vers la production : une entreprise qui décrit concrètement ces trois points recrute mieux, selon le guide, qu'une entreprise qui surenchérit sur le salaire. Le 20 octobre 2026, la page du cabinet recensait 24 annonces ouvertes sur le marché pour ce poste.