Devenir data analyst : compétences, formations, salaires

Mon, 04 May 2026 00:00:00 +0000

Vous regardez votre tableur Excel le lundi matin et vous vous dites que vous pourriez faire bien plus que des additions et des graphiques en barres ? Bonne nouvelle : ce réflexe d’aller fouiller la donnée pour comprendre ce qui se passe est exactement ce qui fait la valeur d’un data analyst. Le métier figure parmi les plus recherchés du moment, avec une hausse de 35 % des offres en un an selon les jobboards spécialisés, et il s’apprend en quelques mois quand on a la bonne méthode.

Ce que fait vraiment un data analyst au quotidien

Le data analyst récupère des données brutes (ventes, trafic web, parcours clients, stocks), les nettoie, les croise, puis en sort des chiffres parlants pour aider à décider. Concrètement, sa journée ressemble à ça : il discute avec une équipe métier qui a une question business, il va chercher les données dans la base, il code une requête SQL, il fait un peu de Python pour vérifier la cohérence, puis il monte un tableau de bord Power BI ou Tableau pour montrer le résultat.

Ce n’est pas du data science avec des modèles prédictifs complexes (ça, c’est le voisin), ni du développement pur. C’est un poste à la frontière entre le métier et la technique. Les recruteurs cherchent surtout quelqu’un capable de poser les bonnes questions et de raconter une histoire avec ses chiffres. Une cheffe de projet marketing en reconversion réussit souvent mieux qu’un développeur isolé, parce qu’elle comprend déjà le langage des opérationnels.

Le métier s’exerce dans tous les secteurs : retail, banque, santé, industrie, médias. Aucune entreprise un peu structurée ne se passe aujourd’hui de quelqu’un pour exploiter ses données, et beaucoup recrutent leur premier analyste interne plutôt que de continuer à payer un cabinet externe. C’est l’un des métiers qui recrutent avec une vraie marge de manoeuvre côté candidat.

Les compétences à maîtriser pour décrocher un poste

Pas la peine d’apprendre vingt outils. Trois socles suffisent pour décrocher un premier job.

SQL, le passage obligé

SQL, c’est le langage qui sert à interroger les bases de données. Tous les data analysts l’utilisent tous les jours, sans exception. Comptez deux à trois mois de pratique régulière pour atteindre un niveau correct. Les jointures, les sous-requêtes, les fenêtres analytiques (window functions) reviennent en entretien technique, autant les bosser sérieusement.

Python ou R pour aller plus loin

Python prend nettement le dessus en 2026. Les bibliothèques pandas (pour manipuler les tableaux) et matplotlib ou seaborn (pour visualiser) couvrent 80 % des besoins. R reste apprécié dans les milieux académiques, la santé publique, certaines équipes de R&D. Si vous démarrez sans préférence, partez sur Python : plus d’offres, plus de tutoriels, plus de communauté.

Un outil de data visualisation

Power BI domine le marché français parce qu’il s’intègre nativement à l’écosystème Microsoft, déjà déployé partout. Tableau garde une belle place dans les grands groupes et les ETI. Looker monte côté startups et tech. Maîtriser un outil sérieusement vaut mieux que survoler les trois.

À côté de la technique, on attend de vous des compétences plus douces mais tout aussi cruciales : savoir vulgariser un résultat à un dirigeant non technique, identifier les bonnes métriques business, faire preuve de rigueur dans la gestion des données (parce qu’une erreur de jointure peut coûter cher).

À retenir : SQL + Python + un outil de dataviz, plus la capacité à raconter une histoire avec les chiffres. Voilà le minimum vital pour candidater.

Quelle formation choisir en 2026 ?

Trois grandes voies se dégagent, avec des publics et des budgets différents.

Les bootcamps intensifs (Le Wagon, DataScientest, Jedha, École 89) durent trois à six mois, coûtent entre 6 000 et 9 000 €, et visent l’opérationnalité immédiate. Ils sont éligibles au CPF et acceptent souvent le financement par France Travail via l’AIF. C’est la voie reine de la reconversion adulte. Les taux d’insertion communiqués (90 % et plus dans les six mois) sont à prendre avec une pincée de sel mais restent solides en pratique.

Les formations à distance étalées (OpenClassrooms, Studi, certaines licences pro à distance) durent neuf à douze mois et conviennent à ceux qui veulent garder leur job pendant la transition. Le rythme est moins intense, le tarif globalement comparable, l’accompagnement souvent moins serré.

Les cursus académiques classiques (BUT statistique et informatique décisionnelle, licences pro, masters spécialisés en data) restent une option pour les jeunes en formation initiale, mais sont peu adaptés à un adulte pressé de se reconvertir.

Pour boucler le financement, plusieurs leviers se cumulent : le CPF (vérifiez votre solde sur moncompteformation.gouv.fr), le Projet de Transition Professionnelle si vous êtes salarié et voulez garder une rémunération pendant la formation, l’AIF de France Travail si vous êtes demandeur d’emploi. Notre guide pour financer sa formation détaille les démarches étape par étape.

En pratique : avant de signer pour un bootcamp, demandez à parler à deux ou trois anciens élèves. Les avis sur les sites de notation sont biaisés, le bouche à oreille direct est plus fiable.

Les salaires en France en 2026

Les rémunérations grimpent vite mais varient nettement selon la région et le secteur.

Pour un junior fraîchement formé, comptez entre 32 000 et 38 000 € bruts annuels en province, et plutôt 38 000 à 45 000 € en Île-de-France. Avec trois à cinq ans d’expérience derrière vous, la fourchette monte à 40 000-50 000 € hors Paris, et 48 000 à 60 000 € en région parisienne. Les profils seniors ou lead analyst dépassent souvent les 60 000 € en province et peuvent atteindre 78 000 € à Paris dans les secteurs porteurs. Côté freelance enfin, le TJM tourne autour de 400 à 550 € en région, et grimpe à 500-700 € sur les missions parisiennes.

Quelques nuances utiles. La banque, l’assurance et le conseil paient mieux que la grande distribution ou l’associatif. Les startups compensent souvent un fixe plus modeste par des BSPCE ou des avantages divers, à apprécier avec lucidité. Le télétravail partiel est la norme : trois jours sur cinq à distance, c’est ce que la plupart des offres affichent par défaut.

L’évolution se fait soit en profondeur (data scientist, data engineer après une formation complémentaire), soit en largeur (lead analyst, data product manager, head of data). En cinq à sept ans, un profil sérieux dépasse facilement les 70 000 € annuels.

Comment réussir sa reconversion sans se planter

Le piège classique du candidat en reconversion, c’est l’enchaînement formation puis recherche d’emploi sans vrai projet concret à montrer. Les recruteurs voient passer des dizaines de profils sortis du même bootcamp, avec les mêmes exercices au portfolio. Pour sortir du lot, deux conseils qui marchent.

D’abord, montez un projet personnel sérieux pendant la formation, sur un sujet qui vous parle vraiment. Vous venez du retail ? Analysez les ventes d’un dataset Kaggle d’un commerce, et présentez vos conclusions comme si vous parliez au directeur commercial. Vous venez de la santé ? Travaillez sur des données ouvertes de l’Assurance maladie. Le portfolio doit raconter qui vous étiez avant.

Ensuite, valorisez votre ancien métier en entretien plutôt que de le minimiser. Une comptable qui devient data analyst comprend les enjeux financiers mieux qu’un développeur fraîchement diplômé. Une RH connaît les indicateurs sociaux mieux qu’un statisticien venu d’ailleurs. Cette double casquette est un atout massif, à condition de la formuler clairement.

Si la dimension marketing vous attire, jetez aussi un oeil aux métiers du marketing digital : plusieurs postes (analytics, growth, CRM) recouvrent partiellement le métier de data analyst et offrent des passerelles intéressantes.

Reste un dernier point d’attention : ce métier demande de passer beaucoup de temps face à un écran, à débuguer des requêtes qui plantent et à attendre que des données se chargent. Si vous avez besoin d’interactions humaines toute la journée, ce poste vous frustrera vite. Faites un stage d’observation ou parlez à deux ou trois data analysts en poste avant de vous engager dans une formation longue. Mieux vaut un doute levé tôt qu’une reconversion à recommencer.

Data Analyst on DeciDay.fr — Le guide de l'orientation et de la reconversion