Dans un notebook Jupyter, sur Python, SQL ou Power BI, le Data Scientist passe d’une demande floue à un modèle testable : prévoir les impayés, détecter une fraude, classer des images, anticiper une rupture de stock. Les offres parlent aussi de Data Scientist F/H, Senior Data Scientist ou Ingénieur data scientist H/F.
Son travail réel consiste à comprendre le besoin, préparer les données, entraîner des modèles de machine learning, mesurer leurs limites, puis expliquer les résultats aux équipes métier. À Libreville, Abidjan, Dakar ou Douala, le poste existe surtout là où les données deviennent un actif stratégique.
Quelles compétences ?
Techniques
- Statistiques, probabilités et modélisation prédictive.
- Python, R, SQL, parfois Java, Scala ou C++.
- Machine learning : régression, classification, clustering, séries temporelles.
- Librairies pandas, NumPy, scikit-learn, TensorFlow ou PyTorch.
- Visualisation avec Power BI, Tableau, matplotlib, seaborn ou Looker.
- MLOps, pour Machine Learning Operations : Git, Docker, MLflow, cloud, monitoring.
Organisationnelles
- Traduire un besoin métier en hypothèses testables.
- Documenter les jeux de données, traitements et limites.
- Prioriser entre exploration, preuve de concept et production.
- Collaborer avec data engineers, développeurs, métiers et conformité.
- Suivre la dérive d’un modèle après son déploiement.
Humaines
- Rigueur scientifique et esprit critique.
- Curiosité pour comprendre le métier avant de coder.
- Pédagogie face à des interlocuteurs non techniques.
- Sens de l’éthique sur les biais, la confidentialité et les usages sensibles.
- Autonomie dans des environnements parfois peu structurés.
Articles récents
Consultant Digital Workplace : métier, missions et débouchés
Métier d’Ingénieur en informatique pour la finance
Métier d’Ingénieur en traitement automatique des langues naturelles (TALN)
Certificat
Certificat professionnel en Business Intelligence avec Excel et Power BI
À quoi sert ce professionnel ?
Le Data Scientist sert à transformer un problème de terrain en décision mieux informée. Il ne se contente pas de produire des graphiques. Il cherche les données disponibles, vérifie leur qualité, construit des variables, teste des hypothèses et compare plusieurs modèles. Son objectif est de répondre à une question concrète : quel client risque de résilier, quel dossier de crédit présente un risque, quel itinéraire optimiser, quel stock prévoir, quel bénéficiaire cibler en priorité ?
Il apporte aussi une méthode. Dans beaucoup d’organisations, les données existent déjà mais restent dispersées entre Excel, logiciels métiers, bases non documentées ou rapports manuels. Le Data Scientist aide à passer d’une intuition à une preuve chiffrée, puis d’un prototype à un outil utilisable, avec les équipes informatiques, métiers, conformité et direction.
Une journée type
Exemple de journée type, pas un reportage observé.
- 9 h point avec le service risque ou marketing pour clarifier la question à résoudre et définir un indicateur de succès.
- 10 h extraction de données avec SQL, contrôle des valeurs manquantes, doublons, dates incohérentes et formats à corriger.
- 11 h 30 création de variables utiles dans Python avec pandas et NumPy, puis documentation des choix de nettoyage.
- 14 h entraînement de modèles avec scikit-learn, comparaison des performances et analyse des erreurs sur un jeu de test.
- 16 h échange avec un data engineer ou la direction des systèmes d’information, appelée DSI, pour préparer une mise en production ou une API.
- 17 h 30 présentation des résultats dans un tableau de bord, une note courte ou une visualisation compréhensible par des non-spécialistes.
Quelles études ?
Le parcours le plus courant reste un Bac+5 : école d’ingénieurs avec spécialisation data, master en data science, statistiques, mathématiques appliquées, économétrie, informatique, big data ou intelligence artificielle. Pour les postes de recherche et développement, santé, vision par ordinateur ou modélisation avancée, un doctorat peut être apprécié. L’APEC indique aussi un niveau Bac+5 comme diplôme souhaité, avec parfois Bac+8 pour certains postes spécialisés.
Un Bac+3 ou Bac+4 peut permettre d’entrer dans la data par un poste de Data Analyst, analyste Business Intelligence, appelée BI ou informatique décisionnelle, assistant data ou développeur data. Ensuite, l’évolution vers Data Scientist dépendra de vos projets, de votre niveau en statistiques, de votre portfolio, de votre maîtrise de Python et de votre capacité à expliquer vos modèles. Les certifications cloud ou MLOps peuvent aider, comme Microsoft Certified: Machine Learning Operations Engineer Associate, mais elles ne remplacent ni les bases scientifiques ni l’expérience projet.
Où travaille-t-il ?
Le Data Scientist travaille dans les entreprises de services du numérique, appelées ESN, les cabinets de conseil data ou IA, les banques, assurances, fintechs, télécoms, plateformes de mobilité, e-commerce, industrie, santé, ONG, organisations internationales et administrations. Les sujets changent selon le secteur : scoring crédit, fraude, churn client, maintenance prédictive, recommandation, optimisation logistique, ciblage de programmes sociaux ou suivi d’impact.
- Data Scientist
- Data Scientist F/H
- Data Scientist H/F
- Data Scientist / Data Analyst
- Senior Data Scientist
- Lead Data Scientist
- Ingénieur data scientist H/F
- Stagiaire Data Scientist
- Data Scientist secteur bancaire F/H
Quel salaire ?
En France, l’APEC indique que 80 % des offres de Data Scientist se situent entre 35 k€ et 60 k€ de rémunération annuelle brute fixe et variable, avec une moyenne de 46 k€. Une offre APEC pour un poste Data Scientist secteur bancaire F/H chez CELAD, à Corenc près de Grenoble, publiée le 31 août 2026, affiche 40 à 48 k€ brut annuel.
Pour l’Afrique francophone, aucune moyenne fiable et consolidée n’a été trouvée pour Libreville, Abidjan, Dakar, Douala ou l’ensemble de la zone. Les fourchettes françaises ne se transposent pas au Gabon, en Côte d’Ivoire, au Sénégal ou au Cameroun. On peut seulement citer des offres isolées : à Dakar, une offre Data Scientist / Data Analyst publiée sur Emploi Sénégal proposait 600 000 à 750 000 FCFA pour un profil Bac+4/Bac+5 avec au moins cinq ans d’expérience. À Douala, une offre Senior Data Scientist chez Gozem renvoyait à une grille interne sans montant publié.
Les réalités à connaître
- Les données sont souvent incomplètes, mal codées, dispersées ou sans historique fiable.
- Un modèle performant en notebook peut échouer s’il n’est pas intégré aux outils métiers.
- La demande initiale est parfois mal formulée : il faut reformuler le vrai problème.
- La pression autour de l’IA générative crée des attentes parfois irréalistes.
- Les modèles doivent être expliqués, surveillés et réentraînés quand les données évoluent.
- Le coût du cloud, des licences, des API IA, du stockage ou des cartes graphiques peut devenir un frein.
Et en Afrique ?
Le métier a un vrai potentiel en Afrique francophone, mais il avance au rythme de la maturité numérique des organisations. Dans une banque à Abidjan, il peut servir au scoring crédit ou à la détection de fraude. Dans une télécom à Dakar, il peut analyser le churn ou le mobile money. Dans une ONG à Libreville ou Douala, il peut aider à prioriser des zones d’intervention, suivre des indicateurs de santé ou cartographier des besoins.
La signature africaine du métier, c’est l’hybridation. Beaucoup d’employeurs ne cherchent pas seulement une personne qui entraîne des modèles : ils veulent aussi quelqu’un qui nettoie les fichiers, automatise les rapports, construit un tableau de bord, forme les équipes et discute avec la DSI. Les outils open source comme Python, R, PostgreSQL, Jupyter, scikit-learn ou Metabase sont précieux quand les budgets sont contraints.
Le travail hybride Libreville, Abidjan, Dakar, Douala et Paris est réaliste pour l’analyse, le prototypage ou l’audit de données. Mais la production exige souvent un accès sécurisé aux systèmes internes, une bonne gouvernance, des règles de confidentialité et parfois une localisation des données. Le rapport GSMA sur l’économie mobile en Afrique rappelle aussi que l’adoption d’internet mobile reste freinée par le coût, les terminaux, les taxes et les compétences numériques.
Ce métier est-il fait pour vous ?
- Aimez-vous chercher longtemps pourquoi un résultat paraît incohérent ?
- Êtes-vous à l’aise avec les mathématiques, le code et les explications simples ?
- Pouvez-vous dire à un décideur qu’un modèle ne permet pas de conclure ?
- Avez-vous envie de comprendre la banque, la santé, la logistique ou l’action publique, pas seulement les algorithmes ?
- Acceptez-vous de documenter, nettoyer et vérifier avant de modéliser ?
Si vous répondez oui à la plupart de ces questions, construisez progressivement votre profil : statistiques solides, Python, SQL, projets réels, portfolio lisible et capacité à raconter ce que vos modèles changent pour une organisation.
Métiers proches
- Métier d’Analyste de données
- Métier d’Analyste en Informatique Décisionnelle (BI)
- Métier d’Administrateur de Bases de Données
- Développeur logiciel : métier, missions et débouchés
- Métier d’Analyste en cloud computing
- Métier d’Analyste en gouvernance des données
Sources
- APEC, fiche métier Data Scientist F/H
- APEC, offre Data Scientist secteur bancaire F/H, CELAD
- Microsoft Learn, Machine Learning Operations Engineer Associate
- Emploi Sénégal, offre Data Scientist / Data Analyst, Dakar
- Recruit.net, Senior Data Scientist, Gozem, Douala
- GSMA, The Mobile Economy Africa 2025
French 
English 