Data analyst : fiche métier, salaire, études et avenir face à l’IA

Le data analyst transforme des montagnes de chiffres en décisions. C’est aussi l’un des métiers où l’IA s’est invitée le plus vite, et ça change beaucoup de choses, en bien comme en mal.

En bref

Le data analyst collecte des données, les nettoie, les analyse, puis les présente à des gens qui n’y connaissent rien en data. Concrètement, il interroge des bases avec du SQL et construit des tableaux de bord (Power BI, Tableau, Looker). Il repère des tendances dans les ventes, le trafic d’un site ou le comportement des clients. Il répond à des questions du genre : pourquoi nos abonnés partent-ils au troisième mois ? Quel canal marketing rapporte vraiment ? Une bonne partie du boulot, c’est de reformuler une question floue posée par un manager en une analyse qui tient debout. L’autre partie, qu’on sous-estime souvent, c’est de raconter l’histoire derrière les chiffres pour que la décision suive.

Le métier au quotidien

La journée commence rarement par de la magie. Vous passez beaucoup de temps à nettoyer des fichiers mal remplis, à comprendre pourquoi deux sources ne donnent pas le même total, à attendre un accès à une base. Vous écrivez des requêtes, vous les cassez, vous les réparez. Il y a des réunions avec le marketing ou la finance pour cadrer une demande. L’après-midi part parfois sur un dashboard à boucler pour le lendemain. Le métier alterne des moments très solitaires devant l’écran et d’autres où il faut convaincre. Certaines semaines sont calmes. D’autres tournent autour d’un reporting de fin de mois qui ne tolère aucune erreur.

Études et accès

Plusieurs chemins existent. Le BUT Science des données (ex-DUT STID), en trois ans après le bac, donne une base solide et concrète. Beaucoup viennent aussi d’une licence puis d’un master en statistiques, économétrie, informatique ou data science (universités, écoles d’ingénieurs, écoles de commerce avec spé data). Les écoles spécialisées et les bootcamps comme Le Wagon ou DataScientest ouvrent des portes pour une reconversion, mais comptez sur un vrai bagage en maths. Ici, l’alternance est presque la voie royale : elle vous donne de l’expérience sur des données réelles, et c’est ce que les recruteurs regardent en premier. Un stage de fin d’études bien choisi débouche souvent sur une embauche.

Salaire

En début de carrière, comptez entre 2 100 et 2 700 euros net par mois, un peu plus à Paris et dans la tech. Après trois à cinq ans, un analyste confirmé tourne autour de 3 000 à 3 800 euros net. En passant lead data, data engineer ou en se spécialisant (finance, produit), on dépasse 4 500 euros net. Les écarts sont réels selon le secteur : une banque ou une scale-up paie mieux qu’une PME industrielle.

Avenir face à l’IA

Le métier est exposé parce qu’une grosse part du travail est codifiable. Écrire une requête SQL, générer un graphique, produire un résumé statistique standard : les modèles d’IA le font déjà, et vite. Des outils comme ChatGPT ou les copilotes intégrés à Power BI rédigent du code, expliquent une anomalie, proposent une visualisation. L’activité est aussi 100 % numérique, sans présence physique, donc rien ne freine techniquement l’automatisation. Ce qui résiste moins bien à la machine, c’est le reporting répétitif et les analyses descriptives de base, c’est-à-dire le pain quotidien des juniors.

Pour rester du bon côté : Ce qui vous protège, c’est tout ce que l’IA fait mal toute seule : comprendre le contexte métier, poser la bonne question, repérer qu’un chiffre est faux parce qu’une source est cassée. L’IA vous sort une réponse propre même quand les données sont pourries. Votre valeur, c’est le jugement et le sens critique. Montez en compétence sur la traduction business, l’expérimentation (les A/B tests), la causalité, pas seulement le descriptif. Apprenez à piloter ces outils au lieu de leur faire concurrence. Le junior qui sait juste sortir un tableau standard est en danger ; celui qui challenge les hypothèses et parle aux équipes l’est beaucoup moins.

Métiers proches

Développeur web, Contrôleur de gestion, Chargé de marketing.

Questions fréquentes

Faut-il être fort en maths pour devenir data analyst ?

Un bon niveau aide, surtout en statistiques et en logique. Mais vous n’avez pas besoin d’être un génie des maths. Comprendre une moyenne, un pourcentage, une corrélation, et savoir quand ils vous trompent, ça compte plus qu’un théorème compliqué. La rigueur prime sur le talent pur.

Le métier va-t-il disparaître à cause de l’IA ?

Non, mais il change vite. Les tâches répétitives de reporting s’automatisent. Les analystes qui restent demandés sont ceux qui posent les bonnes questions, vérifient les données et conseillent vraiment. Voyez l’IA comme un assistant rapide, qui ne comprend pas votre entreprise à votre place.

Peut-on devenir data analyst sans diplôme spécialisé ?

Oui, par une reconversion via un bootcamp ou en autodidacte, à condition de vous construire un portfolio de projets concrets. Les recruteurs regardent ce que vous savez faire sur des données réelles, pas seulement votre diplôme. Pour les jeunes, l’alternance reste la voie la plus sûre.