Tafons · Conseils

Data analyst, data engineer, data scientist : ce qui change

29 octobre 2026

Le titre ne suffit pas

Trois titres reviennent dans les annonces en France et au Maroc : data analyst, data engineer, data scientist. D’une entreprise à l’autre, le même titre ne couvre pas le même travail. Une annonce « data scientist » peut demander surtout du SQL et des tableaux. Une annonce « data analyst » peut demander de mettre en production un flux. Lis les missions avant de décider si le poste est le tien.

Cette page décrit le cœur habituel de chaque métier. Elle ne donne pas de salaire : les montants dépendent de la ville, de l’employeur et du moment, et un chiffre recopié ici serait faux. Les fiches détaillées sont à part : analyst, engineer, scientist, et deux voisins, analytics engineer et ingénieur machine learning.

L’analyst

L’analyst répond à des questions. Quel canal amène les clients, pourquoi un indicateur a bougé, quel segment se comporte autrement. Le résultat est souvent un tableau, une note courte, ou une réponse en réunion. Les outils fréquents : SQL, un tableur, un outil de visualisation. Le travail utile est la définition du chiffre autant que le graphique.

Tu es au bon endroit si tu aimes comprendre une question floue et la rendre mesurable. Tu t’y ennuieras si tu veux passer tes journées à construire l’infrastructure et que l’on te demande surtout des slides. Beaucoup d’analysts deviennent plus tard analytics engineers ou responsables d’une petite équipe analyse. Ce n’est pas un passage obligatoire.

L’engineer

L’engineer s’occupe du chemin des données. Récupérer, nettoyer, ranger, rejouer, alerter. Le résultat est un flux dont les autres peuvent se servir sans toi chaque matin. Les outils fréquents : SQL, Python, un orchestrateur, un entrepôt, parfois un outil de transformation. Le travail ingrat et utile : les tests, les droits d’accès, le schéma qui ne casse pas les tableaux en aval.

Tu es au bon endroit si un chargement qui échoue te concerne, et si tu aimes laisser un système plus solide que tu ne l’as trouvé. Le métier n’est pas « celui qui gagne le plus » ni « celui qui est au-dessus de l’analyst ». Ce sont des travaux différents. Une équipe petite demande souvent aux deux de faire un bout du métier de l’autre. Dis-le en entretien si c’est ton cas, sans gonfler le titre.

Le scientist

Le scientist construit ou évalue un modèle, une règle de score, une expérience. Il doit dire ce que le modèle ne sait pas faire. Python est courant, ainsi que les bibliothèques de statistiques ou d’apprentissage. Le quotidien n’est pas seulement d’entraîner un modèle. C’est aussi de cadrer la question, de trouver des données propres, et d’expliquer un résultat nul.

Si l’annonce ne parle que de tableaux de bord, ce n’est probablement pas un poste de scientist, même si le titre le dit. Si l’annonce parle de recherche sans données disponibles, demande d’où viendra le jeu d’apprentissage. Un beau titre sans matière première est un poste d’analyst ou d’engineer déguisé, parfois les deux.

Les voisins

L’analytics engineer se tient entre l’analyst et l’engineer : il modélise les tables que les analysts lisent, souvent avec un outil de transformation et des tests. L’ingénieur machine learning se tient entre le scientist et la mise en production : il fait tourner un modèle dans un service, pas seulement dans un notebook. Ces deux titres sont moins stables. Vérifie les missions.

D’autres mots existent : BI, décisionnel, data steward, product analyst. Ils ne sont pas des synonymes automatiques. Un poste BI peut être très proche de l’analyst. Un steward s’occupe surtout de définitions, de qualité et de qui a le droit de voir quoi. Si tu hésites, classe l’offre selon les verbes, pas selon le bandeau.

Comment choisir et comment postuler

Choisis selon le geste que tu veux répéter chaque semaine, pas selon le prestige du titre. Si tu veux qu’on te pose des questions métier, regarde analyst. Si tu veux que le tuyau tienne, regarde engineer. Si tu veux passer du temps sur un modèle et son erreur, regarde scientist. Tu peux changer plus tard. Les passerelles existent parce que les outils se recouvrent, pas parce qu’un chemin est écrit d’avance.

Dans l’application Tafons, le domaine Tech / data rassemble ces offres. Le titre reste celui de l’employeur. Les fiches métiers résument le geste et pointent vers les offres publiées sur Tafons quand le titre correspond. Elles ne promettent pas un volume d’annonces, et elles ne recopient pas le texte d’un autre site.