Mis à jour le · Relu par le service des admissions AI2, campus d’Écouen (Val-d’Oise)
Les deux métiers travaillent sur les mêmes données, souvent dans la même équipe, et les offres d’emploi les confondent parfois. Pourtant, ils ne répondent pas à la même question, ne demandent pas le même niveau en mathématiques et ne sont pas payés pareil. Ce comparatif met côte à côte missions, compétences, outils, études et salaires publiés en 2026, puis explique comment passer d’un métier à l’autre. Les chiffres viennent de l’Onisep, de France Travail et de trois cabinets de recrutement (Silkhom, Hays, Michael Page), avec leur date.
Data analyst ou data scientist : la différence en une phrase
Le data analyst regarde en arrière pour expliquer : que s’est-il passé, où, et pourquoi ? Le data scientist regarde en avant pour anticiper : que va-t-il probablement se passer, et que faire ? Le premier livre des indicateurs et des recommandations, le second livre un modèle qui tourne sur de nouvelles données. Dans le Répertoire opérationnel des métiers (ROME) de France Travail, ce sont deux fiches distinctes : M1419 « Data analyst » et M1405 « Data scientist ».
| Critère | Data analyst | Data scientist |
|---|---|---|
| Question principale | Que s’est-il passé, et pourquoi ? | Que va-t-il se passer, et quelle décision prendre ? |
| Livrable typique | Tableau de bord, rapport, analyse ponctuelle, recommandation | Modèle prédictif, segmentation, moteur de recommandation, prototype |
| Méthodes | Statistiques descriptives, comparaisons, tests simples, visualisation | Statistiques inférentielles, machine learning, parfois deep learning |
| Outils de base | SQL, tableur, Power BI ou Tableau, de plus en plus Python | Python ou R, SQL, scikit-learn, PyTorch ou TensorFlow, Git |
| Interlocuteurs | Équipes métier (marketing, finance, logistique, RH) | Équipes métier, data engineers, machine learning engineers |
| Niveau minimum d’accès (Onisep) | Bac+3 | Bac+5 |
| Salaire débutant (Onisep) | À partir de 2 900 € brut par mois | À partir de 3 100 € brut par mois |
| Junior à Paris (Silkhom 2026) | 38 000 à 45 000 € brut par an | 42 000 à 52 000 € brut par an |
| Code ROME | M1419 | M1405 |
La frontière n’est pas étanche. Un data analyst peut construire un modèle de prévision simple, et un data scientist passe une bonne partie de son temps à préparer des données et à présenter des résultats. La différence tient surtout à la profondeur de la modélisation et à ce que l’entreprise attend du livrable.
Que fait chacun au quotidien ?
Les missions du data analyst
- Cadrer la question avec le service demandeur et choisir les indicateurs (KPI) qui permettront d’y répondre.
- Extraire les données en SQL depuis les bases de l’entreprise, des exports d’outils ou des fichiers.
- Nettoyer et préparer : doublons, valeurs manquantes, définitions qui diffèrent d’un service à l’autre. C’est souvent l’étape la plus longue.
- Analyser : évolutions, comparaisons, segmentations, recherche des causes d’un écart.
- Restituer : tableau de bord dans Power BI ou Tableau, note de synthèse, présentation orale, puis suivi de l’effet des décisions.
Les missions du data scientist
- Traduire un besoin métier en problème de modélisation : prédire une valeur, classer, détecter une anomalie, recommander.
- Constituer le jeu de données d’entraînement et créer les variables utiles au modèle.
- Entraîner et comparer des modèles, choisir une métrique avec le métier, mesurer les erreurs et les biais.
- Préparer la mise en production avec les data engineers ou les machine learning engineers, puis suivre les performances dans le temps.
- Expliquer les limites du modèle à des interlocuteurs non techniques.
Un même sujet, deux approches : les résiliations d’abonnés
Prenons une entreprise d’abonnement qui voit ses résiliations augmenter. Le data analyst construit un tableau de bord qui montre l’évolution mois par mois, par offre, par canal d’acquisition et par région, puis identifie que les clients arrivés par une promotion précise résilient deux fois plus vite. Il recommande de revoir cette promotion. Le data scientist, lui, entraîne un modèle qui attribue à chaque abonné actif une probabilité de résilier dans les trois mois, pour que le service client contacte en priorité les plus exposés. Il compare par exemple une régression logistique et un gradient boosting, puis suit si le modèle reste fiable au fil des mois. Les deux travaux se complètent : le premier explique, le second agit sur des cas individuels.
Compétences : ce qui est commun et ce qui change
La fiche ROME M1419 cite pour le data analyst les statistiques appliquées, l’économétrie, la programmation en Python, les bases de données, les outils de Business Intelligence et la conception de tableaux de bord. Pour le data scientist, l’Onisep insiste sur une double compétence en mathématiques et en informatique, et juge l’anglais technique indispensable. Le tableau ci-dessous traduit ces référentiels en niveau attendu pour un premier poste ; c’est une grille de lecture d’AI2, pas un référentiel officiel.
| Compétence | Data analyst | Data scientist |
|---|---|---|
| SQL | Indispensable : jointures, agrégations, fonctions de fenêtre | Indispensable pour extraire ses données |
| Statistiques | Descriptives, intervalles, tests simples, lecture critique d’un écart | Probabilités, inférence, régression, validation de modèles |
| Programmation | Python (pandas) utile, parfois facultatif | Python avancé ou R, code reproductible, Git |
| Machine learning | Notions pour dialoguer avec les data scientists | Cœur du métier : apprentissage supervisé et non supervisé |
| Mathématiques | Niveau lycée scientifique consolidé | Algèbre linéaire, optimisation, analyse |
| Visualisation | Cœur du métier : Power BI, Tableau, règles de lisibilité | Graphiques d’analyse (Matplotlib, Seaborn), restitution |
| Connaissance métier | Très forte : c’est elle qui donne du sens aux indicateurs | Forte : elle guide le choix des variables et des métriques |
| Communication | Synthèse, pédagogie, présentation aux décideurs | Expliquer un modèle, ses incertitudes et ses limites |
Quels outils pour chaque métier ?
| Usage | Data analyst | Data scientist |
|---|---|---|
| Requêter les données | SQL (PostgreSQL, MySQL, SQL Server) | SQL, parfois bases NoSQL (MongoDB) |
| Analyser | Excel ou Google Sheets, Power Query, Python (pandas) | Python (pandas, NumPy), R, notebooks Jupyter |
| Visualiser | Power BI, Tableau, Looker Studio | Matplotlib, Seaborn, Plotly |
| Modéliser | Rarement, ou fonctions de prévision intégrées | scikit-learn, XGBoost, PyTorch, TensorFlow |
| Données massives | Selon le poste | Spark, environnements cloud (AWS, GCP, Azure) |
| Mise en production | Publication et rafraîchissement des rapports | Git, Docker, API, suivi des modèles |
Depuis l’arrivée des assistants d’IA générative, les deux métiers s’en servent pour écrire ou corriger une requête SQL, commenter du code ou rédiger une synthèse. Cela ne dispense pas de savoir lire le résultat : une requête fausse mais plausible produit un indicateur faux.
Quelles études pour devenir data analyst ou data scientist ?
Selon l’Onisep, le niveau minimum d’accès est bac+3 pour le data analyst, avec par exemple un BUT science des données ou une licence en informatique, mathématiques ou statistiques, et bac+5 pour le data scientist : master en science des données, en statistiques ou en mathématiques appliquées, ou diplôme d’ingénieur. France Travail indique un accès de bac+3 à bac+5 pour le data analyst et de bac+5 et plus pour le data scientist.
| Parcours | Durée | Débouché le plus direct | Point d’attention |
|---|---|---|---|
| BUT science des données, licence, Bachelor en data | 3 ans après le bac | Data analyst junior | Compléter par des projets et un stage ou une alternance |
| Master (statistiques, science des données, MIASHS, économétrie) | 3 + 2 ans | Data analyst confirmé ou data scientist | Admission sélective en master |
| École d’ingénieurs avec option data ou statistiques | 5 ans | Data scientist | Choisir une option orientée modélisation |
| Bachelor puis Mastère en école privée | 3 + 2 ans | Data analyst ou data scientist selon la spécialisation | Vérifier le code et l’intitulé du titre RNCP préparé |
| Doctorat | En général 3 ans après un bac+5 | Data scientist en R&D, chercheur | Utile surtout pour la recherche |
Pour le détail des cursus côté analyse, voir notre guide études pour devenir data analyst ; côté modélisation, notre fiche métier data scientist détaille études, compétences et carrière.
Salaire data analyst vs data scientist en 2026
Aucune statistique publique ne suit ces deux métiers séparément. Les repères viennent de l’Onisep (salaire de début) et de cabinets de recrutement qui publient leurs grilles de placement : montants bruts annuels, fixes, hors variable. Leurs tranches d’expérience ne sont pas les mêmes, d’où des tableaux séparés.
Selon Silkhom : Paris, grandes villes et régions
| Niveau (Silkhom, baromètre IT 2026) | Data analyst : Paris / grandes villes / régions | Data scientist : Paris / grandes villes / régions |
|---|---|---|
| Junior (0 à 2 ans) | 38 000 à 45 000 € / 37 000 à 45 000 € / 33 000 à 38 000 € | 42 000 à 52 000 € / 39 000 à 48 000 € / 37 000 à 45 000 € |
| Confirmé | 45 000 à 62 000 € / 45 000 à 55 000 € / 38 000 à 45 000 € | 52 000 à 75 000 € / 48 000 à 60 000 € / 45 000 à 55 000 € |
| Senior (plus de 5 ans) | 62 000 à 75 000 € / 55 000 à 62 000 € / 45 000 à 55 000 € | 75 000 à 90 000 € / 60 000 à 72 000 € / 55 000 à 65 000 € |
Silkhom définit le niveau confirmé comme « 2 à 3 ans » pour le data analyst et « 2 à 5 ans » pour le data scientist. Le cabinet situe le salaire moyen du data scientist autour de 56 000 €, en hausse de 11,4 % sur un an (baromètre publié le 30 juin 2026).
Selon Hays : par tranche d’expérience
| Expérience (Hays, étude nationale 2026) | Data analyst | Data scientist | Écart |
|---|---|---|---|
| 0 à 3 ans | 40 000 à 47 000 € | 47 000 à 52 000 € | +5 000 à 7 000 € |
| 3 à 5 ans | 47 000 à 54 000 € | 52 000 à 57 000 € | +3 000 à 5 000 € |
| 5 à 8 ans | 54 000 à 70 000 € | 57 000 à 73 000 € | +3 000 € |
| Plus de 8 ans | 70 000 à 86 000 € | 73 000 à 89 000 € | +3 000 € |
Hays publie aussi le taux journalier moyen des indépendants : 540 € puis 620, 690 et 750 € par jour pour un data analyst selon ces mêmes tranches, contre 550, 640, 715 et 800 € pour un data scientist.
Selon Michael Page : Île-de-France
L’étude de rémunérations 2027 de Michael Page donne pour l’Île-de-France une grille « analyst BI, data analyst, data steward » de 40 000 € (bas) à 80 000 € (haut), avec une moyenne de 57 500 €, et une grille « data engineer, data scientist » de 45 000 € à 80 000 €, avec une moyenne de 59 000 €. Le cabinet indique des écarts de -5 % (Provence-Alpes-Côte d’Azur) à -20 % (Bretagne, Centre-Val de Loire, Normandie) par rapport à l’Île-de-France.
Ce que ces chiffres disent vraiment
L’écart est net au démarrage, surtout à Paris : 4 000 à 7 000 € par an d’après Silkhom et Hays pour un junior. Il se réduit ensuite chez Hays (environ 3 000 € au-delà de cinq ans), alors que Silkhom maintient un écart plus large pour les seniors parisiens (62 000 à 75 000 € contre 75 000 à 90 000 €). Un data analyst senior bien positionné gagne donc plus qu’un data scientist junior. En net, si l’on retient un net égal à 75 à 77 % du brut (hypothèse AI2 fondée sur les taux de cotisations salariales publiés par service-public.gouv.fr pour un salarié du privé), 38 000 € brut par an représentent environ 2 380 à 2 440 € par mois, 45 000 € environ 2 810 à 2 890 € et 52 000 € environ 3 250 à 3 340 €, avant impôt sur le revenu.
Quelles évolutions de carrière ?
| Point de départ | Évolutions fréquentes |
|---|---|
| Data analyst | Data analyst senior, analytics engineer, responsable BI, data scientist, chef de projet data, chief data officer (fiche ROME M1419), délégué à la protection des données |
| Data scientist | Senior puis lead data scientist, machine learning engineer, MLOps engineer, chercheur en IA (avec un doctorat), head of data, chief data officer |
L’Onisep note que le data scientist démarre souvent comme data analyst, sur un périmètre réduit, avant de se voir confier des projets plus importants. C’est le passage le plus courant entre les deux métiers.
Passer de data analyst à data scientist
Un data analyst a déjà l’essentiel du socle : SQL, nettoyage, connaissance du métier, restitution. Ce qui manque en général, ce sont les mathématiques de la modélisation, un Python plus solide et l’expérience de projets menés jusqu’au modèle évalué. Une progression réaliste :
- Consolider les statistiques et les mathématiques : probabilités, régression, algèbre linéaire de base, validation croisée.
- Passer à Python pour tout le travail d’analyse, avec Git et des notebooks propres, plutôt que de ne l’utiliser qu’en complément du tableur.
- Apprendre le machine learning supervisé avec scikit-learn, sur des données qu’on connaît déjà : prévision de ventes, score de résiliation, détection d’anomalies.
- Prendre un premier projet de modélisation dans son poste actuel, même modeste, avec un vrai utilisateur et une métrique choisie avec lui.
- Faire valider le niveau par une formation certifiante, un bloc de compétences d’un titre RNCP ou un cursus complet, selon le temps disponible et le niveau d’études de départ.
Côté financement, un salarié peut mobiliser son CPF, avec une participation forfaitaire de 150 € à sa charge. AI2 propose une formation data scientist éligible au CPF de 35 heures (1 990 €) qui valide le bloc RNCP39978BC04, et un bootcamp data scientist de 415 heures en 12 semaines, finançable selon la session par Paris Code, la POEI de France Travail ou le CPF.
Et dans l’autre sens ?
Le passage de data scientist à data analyst est moins fréquent mais existe : certains préfèrent un poste plus proche des décisions, avec des résultats visibles plus vite. Le travail demande alors de renforcer la visualisation, la connaissance d’un outil de BI et surtout l’écoute des équipes métier. D’autres profils évoluent vers analytics engineer, à mi-chemin entre analyse et ingénierie des données.
Comment choisir entre les deux ?
Quelques questions aident à trancher, sans qu’aucune ne soit décisive à elle seule :
- Qu’est-ce qui vous plaît le plus : comprendre une situation et convaincre un décideur, ou construire un système qui calcule seul une prédiction ?
- Quel est votre rapport aux mathématiques ? Un data scientist utilise quotidiennement des notions de niveau bac+3 à bac+5 ; un data analyst peut très bien travailler avec des statistiques descriptives solides.
- Combien d’années d’études envisagez-vous ? Bac+3 suffit pour viser un premier poste d’analyste ; bac+5 est la norme pour data scientist.
- Dans quel délai voulez-vous travailler ? Commencer comme data analyst, puis évoluer, reste une voie fréquente et réaliste.
Se former avec AI2 aux deux métiers
AI2 (Applied Institute of Artificial Intelligence) est une école privée d’IA installée au Hub Nikola Tesla d’Écouen (Val-d’Oise), à 22 minutes de Paris Gare du Nord, avec un accès à distance au même tarif. Rentrées en janvier, mai et septembre 2027 ; certification Qualiopi QUA008116.
| Formation | Accès | Durée et coût | Ce qu’elle prépare |
|---|---|---|---|
| Bachelor IA et Data Science | Après le bac | 3 ans, 7 000 € par an | Diplôme d’établissement AI2 et titre RNCP de niveau 6 |
| Mastère 1 Data Science et IA | Bac+3 | 1 an, 7 500 € ; 0 € en alternance | Socle commun avant la spécialisation |
| Mastère 2 Data Analyst et IA | Bac+4 | 1 an, 8 000 € ; 0 € en alternance | Titre RNCP de niveau 7 |
| Mastère 2 Data Scientist | Bac+4 | 1 an, 8 000 € ; 0 € en alternance | Titre RNCP de niveau 7 |
| Formation Data Scientist CPF | Bases en Python et SQL | 35 h, 1 990 €, reste à charge 150 € | Bloc RNCP39978BC04 |
En alternance, les frais sont pris en charge par l’entreprise et son OPCO, et l’étudiant est rémunéré. AI2 délivre son propre diplôme d’établissement et prépare, à côté, un titre enregistré au RNCP délivré par le certificateur DATAKOO SAS, société du groupe AI2 : RNCP39978 « Architecte des systèmes d’information dans les processus industriels » ou RNCP40554 « Architecte Internet des objets (IoT) », de niveau 7 selon la spécialisation. Un titre de niveau 7 atteste un niveau équivalent à bac+5.
À lire aussi : devenir data engineer.
FAQ : data analyst ou data scientist
Quelle est la différence entre un data analyst et un data scientist ?
Le data analyst analyse les données existantes pour expliquer une situation, avec des indicateurs, des tableaux de bord et des recommandations. Le data scientist construit des modèles statistiques ou de machine learning pour prévoir, classer ou recommander. L’Onisep situe l’accès à bac+3 pour le premier et à bac+5 pour le second.
Qui gagne le plus, le data analyst ou le data scientist ?
Le data scientist, surtout en début de carrière. Selon Silkhom (juin 2026), un junior gagne à Paris 38 000 à 45 000 € brut par an comme data analyst et 42 000 à 52 000 € comme data scientist. Hays (étude 2026) indique 40 000 à 47 000 € contre 47 000 à 52 000 € de 0 à 3 ans, puis un écart d’environ 3 000 € au-delà de cinq ans.
Quel est le salaire d’un data analyst débutant ?
L’Onisep indique un salaire de début à partir de 2 900 € brut par mois. Silkhom (2026) donne 38 000 à 45 000 € brut par an à Paris pour 0 à 2 ans d’expérience, 37 000 à 45 000 € dans les grandes villes et 33 000 à 38 000 € dans les autres régions.
Peut-on devenir data scientist après avoir été data analyst ?
Oui, c’est même un parcours fréquent : l’Onisep note que le data scientist démarre souvent comme data analyst sur un périmètre réduit. Il faut en général renforcer les mathématiques, Python et le machine learning, puis mener un premier projet de modélisation, par exemple via une formation certifiante ou un Mastère en alternance.
Faut-il un bac+5 pour être data scientist ?
C’est la norme : l’Onisep indique un niveau minimum bac+5 et France Travail un niveau bac+5 et plus. Le métier de data analyst est accessible dès bac+3, ce qui permet de commencer à travailler plus tôt puis d’évoluer.
Data analyst ou data scientist : lequel choisir ?
Le data analyst convient à ceux qui aiment comprendre une situation, travailler avec les équipes métier et présenter des résultats. Le data scientist convient à ceux qui aiment les mathématiques et la programmation et veulent construire des modèles. Commencer comme data analyst puis évoluer reste une voie réaliste.
Sources consultées le 25 octobre 2026 : Onisep, fiche data analyst et fiche data scientist ; France Travail, ROME 4.0 (fiches M1419 et M1405) ; Silkhom, baromètre des salaires IT 2026 (30 juin 2026) ; Hays, métiers les plus recherchés en 2026 (étude de rémunérations nationale 2026) ; Michael Page, étude 2027 : analyst BI, data analyst et data engineer, data scientist ; service-public.gouv.fr, cotisations salariales et compte personnel de formation.
Mastères 2 Data Analyst et Data Scientist préparant des titres RNCP de niveau 7, en formation initiale ou en alternance, à Écouen ou à distance.
Useful information. Fortunate me I found your site unintentionally, and I’m stunned why this accident did not came about earlier! I bookmarked it.