Devenir data analyst : parcours et salaires en 2026

Le data analyst est l’un des métiers du numérique les plus accessibles : des postes d’assistant s’ouvrent dès bac+3, et une certification enregistrée par l’État permet d’y entrer en reconversion. Selon les sources, un débutant gagne autour de 36 000 € brut par an, et le salaire moyen proposé dans les offres de l’Apec atteint 43 000 €.

Ce dossier compare les huit parcours qui mènent au métier, leur durée et leur coût, à partir des données de l’Apec, de L’Étudiant, du CIDJ, de l’Insee, de France Travail et de France Compétences.

Le métier de data analyst en 2026 : ce que font les diplômés

Le data analyst transforme des données brutes en éléments de décision. Il laisse au data scientist la construction des modèles prédictifs et au data engineer l’administration des chaînes de traitement. Sa valeur se mesure à l’usage que les équipes métier font de ses analyses.

Les missions du data analyst

• Collecter et nettoyer : extraire les données des bases SQL, des CRM et des outils d’analyse web, puis les dédoublonner et en contrôler la qualité. Cette étape occupe souvent une large part du temps de travail.

• Interroger les données : écrire des requêtes SQL et NoSQL, des jointures et des agrégations, calculer des indicateurs métier comme le taux de conversion, le taux d’attrition ou la marge par segment.

• Analyser et modéliser : statistiques descriptives, tests d’hypothèses, segmentation et prévisions simples en Python ou en R.

• Restituer : construire des tableaux de bord sous Power BI, Tableau ou Qlik, automatiser des rapports et rédiger des recommandations pour la direction.

• Cadrer le besoin : traduire une question d’entreprise en question de données, définir les indicateurs et juger de la qualité des sources.

L’Apec cite parmi les compétences attendues les bases de données SQL et NoSQL, les langages Python, R ou C++, les outils de visualisation Tableau, Qlikview ou Power BI, ainsi que Dataiku et l’environnement Hadoop. Elle mentionne trois évolutions possibles du poste : chief data officer, data engineer et data scientist.

Data analyst, data scientist et data engineer

Le data analyst est le seul des trois métiers accessible sans bac+5. C’est aussi celui dont le périmètre comprend le plus de fonctions non techniques : le cadrage, la restitution et la pédagogie. Pour comparer les trajectoires plus longues, notre dossier sur les métiers de l’intelligence artificielle et leurs salaires et notre guide de l’ingénieur data, de ses formations et de ses écoles complètent ce panorama.

Les secteurs qui recrutent

• Éditeurs de logiciels et entreprises de services du numérique : le premier vivier d’offres, avec des missions chez les clients.

• Banque, assurance et finance : scoring, conformité, détection de la fraude et pilotage du risque. La banque-assurance est aussi l’un des secteurs qui rémunèrent le mieux les jeunes diplômés d’écoles de management, avec 46 381 € brut par an en moyenne, selon la Conférence des grandes écoles.

• Grande distribution et commerce en ligne : analyse des ventes, politique de prix, parcours d’achat et logistique.

• Santé et industrie pharmaceutique : analyse d’essais cliniques, suivi d’activité et données de santé.

• Énergie, transport et télécommunications : maintenance prédictive, optimisation des réseaux et suivi de l’attrition des clients.

• Secteur public et collectivités : données ouvertes, évaluation des politiques publiques et pilotage budgétaire.

Le contexte général reste favorable aux candidats : 2,28 millions de projets de recrutement sont prévus en France en 2026, tous métiers confondus, dont 43,8 % jugés difficiles, contre 50,1 % en 2025 (France Travail). L’Île-de-France en concentre 388 806, dont 35,6 % jugés difficiles. L’Insee confirme la concentration géographique des métiers du numérique : 39 % de ceux qui les exercent résident en Île-de-France, deux fois plus que pour les autres métiers.

Notre classement des métiers qui recrutent le plus en 2027 détaille ces intentions d’embauche métier par métier, avec la part de recrutements difficiles et saisonniers.

Salaire d’un data analyst : les chiffres par expérience et par ville

Les fourchettes publiées diffèrent selon la méthode. L’Apec mesure les salaires proposés dans les offres d’emploi, L’Étudiant donne des moyennes par ancienneté et le CIDJ indique un salaire d’embauche. Les trois sources situent le salaire de départ autour de 36 000 € brut par an.

Deux repères permettent de situer ces montants. Selon l’Insee, le salaire net médian des métiers du numérique atteint 2 735 € par mois, contre 1 850 € dans les autres métiers, un écart qui s’explique surtout par la forte proportion de cadres, sept sur dix. Selon l’Apec, la rémunération brute médiane de l’ensemble des cadres s’établit à 55 000 € par an en juin 2025, et celle des cadres de la famille des métiers du big data à 54 000 €.

Paris ou province : l’effet de la localisation

L’Île-de-France concentre les sièges sociaux, les directions data et les offres les mieux rémunérées. Aucune source publique ne mesure l’écart de salaire entre Paris et la province pour ce métier. Pour l’ensemble des jeunes diplômés d’écoles de management, la Conférence des grandes écoles l’évalue à 17,2 % en faveur de l’Île-de-France, un écart ramené à 10 % environ une fois pris en compte le niveau des prix.

• Paris et l’Île-de-France : 39 % des professionnels du numérique y résident, selon l’Insee, et la région prévoit 388 806 projets de recrutement en 2026, tous métiers confondus.

• Lyon, Bordeaux, Nantes, Toulouse et Lille : des marchés data établis, des salaires un peu inférieurs à ceux de Paris et un coût du logement nettement plus faible.

• Villes moyennes : les postes se trouvent surtout dans l’industrie, la santé et le secteur public, avec une progression salariale plus lente.

La rentabilité d’un parcours dépend donc aussi de la mobilité géographique acceptée. Notre comparatif des salaires à la sortie des grandes écoles détaille cet écart entre l’Île-de-France et la province.

Le classement Journal des Écoles : les 8 parcours pour devenir data analyst

Le Journal des Écoles classe les huit parcours selon l’appréciation de la rédaction, à partir de leur coût, de leur durée, de la reconnaissance du diplôme obtenu et du niveau d’accès au marché. Il ne calcule pas d’indice rapportant un salaire au coût de la formation : les salaires publiés ne distinguent pas les parcours, et un tel ratio prendrait des valeurs démesurées pour les formations universitaires, dont les droits d’inscription restent inférieurs à 300 € par an en licence.

Droits d’inscription 2026-2027 dans l’enseignement supérieur public, hors étudiants boursiers, qui en sont exonérés. Les coûts du MSc et du bootcamp sont des ordres de grandeur, qui varient fortement selon les organismes.

Les BUT et la licence MIASHS arrivent en tête : ils coûtent moins de 300 € par an et donnent accès au métier, surtout lorsqu’ils sont prolongés par une alternance ou un master. Le CIDJ rappelle en effet que le poste de data analyst demande le plus souvent un bac+4 ou un bac+5, le bac+3 ouvrant surtout des postes d’assistant. Les masters universitaires suivent, pour un coût tout aussi modeste. L’école d’ingénieurs et le MSc offrent un socle plus large, pour un coût nettement plus élevé. Le bootcamp ferme la marche : il est le plus court, mais le moins solide sur les bases statistiques, et l’insertion de ses certifiés a reculé depuis 2023.

Le classement ne mesure ni la qualité pédagogique ni la sélectivité. Pour un lycéen, le choix entre un BUT et une école d’ingénieurs dépend aussi de ces critères : notre classement des meilleures écoles d’ingénieurs en France et notre guide complet de Parcoursup permettent de les comparer.

Les compétences et les outils à maîtriser

Les recruteurs attendent moins une longue liste d’outils que la capacité à répondre à une question métier avec des données fiables. Quatre blocs de compétences couvrent l’essentiel des offres.

SQL, la compétence indispensable

• Les bases de données SQL et NoSQL figurent en tête des compétences attendues citées par l’Apec.

• À maîtriser : les sélections, les jointures, les regroupements, les sous-requêtes, les fonctions de fenêtrage, les expressions de table communes et l’optimisation des requêtes.

• Niveau attendu en entretien technique : écrire sans aide une requête d’agrégation portant sur plusieurs tables.

• Bases à connaître : PostgreSQL, MySQL, BigQuery, Snowflake, et une base NoSQL pour les environnements produit.

Python et R, pour aller au-delà du SQL

• Python : les bibliothèques pandas, numpy, matplotlib et seaborn, ainsi que scikit-learn pour les bases de l’apprentissage automatique.

• R : très utilisé en statistique, dans la santé, l’assurance et la recherche publique.

• C++ : cité par l’Apec, surtout présent en finance quantitative et dans l’industrie.

• Objectif réaliste : automatiser un rapport récurrent et produire une analyse exploratoire complète dans un notebook.

La visualisation de données : Power BI, Tableau, Qlik

• Power BI : le standard de la plupart des grands groupes français, intégré à l’environnement Microsoft.

• Tableau : présent dans les directions marketing et les médias.

• Qlik et Dataiku : cités par l’Apec, fréquents dans l’industrie et la banque.

• Compétence qui fait la différence : concevoir un tableau de bord qui tient sur une page et qu’un dirigeant comprend en quelques secondes.

Les compétences comportementales

À technique égale, ces qualités départagent souvent deux candidats.

• Traduire les besoins de l’entreprise : reformuler une demande floue en question de données mesurable.

• Rédiger : un rapport d’analyse doit pouvoir être compris sans explication orale.

• Faire preuve de rigueur : documenter les sources, les filtres et les limites d’une analyse.

• Arbitrer : trancher entre deux indicateurs qui racontent des histoires différentes.

• Assurer une veille : suivre l’évolution des outils, notamment l’arrivée des assistants d’IA dans les environnements SQL et de visualisation.

Ces compétences s’acquièrent en formation initiale comme en alternance. Notre comparatif alternance ou stage détaille l’effet du statut sur l’insertion à la sortie.

Se reconvertir en data analyst : les voies réalistes

Dans la data, la preuve de compétence compte souvent autant que le diplôme initial, ce qui rend la reconversion possible. Trois voies sont réalistes : le bootcamp certifiant, la reprise d’études à l’université et l’autoformation appuyée sur un portfolio.

Le bootcamp certifiant : l’exemple de la certification RNCP42652

• Un titre enregistré par l’État : la certification « Data analyst » de Simplon (RNCP42652, niveau 6) est enregistrée au répertoire national du 17 juillet 2026 au 17 juillet 2029. Simplon en est le seul certificateur et n’habilite aucun autre organisme à y préparer.

• Accessible sans diplôme : l’entrée en formation dépend de tests de positionnement, sans condition de diplôme ni d’expérience.

• 273 certifiés en 2025, contre 244 en 2024 et 87 en 2023, selon France Compétences.

• Une insertion en recul : 54 % des certifiés de 2025 avaient un emploi six mois plus tard, dont 35 % dans le métier visé, contre 65 % et 43 % en 2024, et 69 % et 58 % en 2023.

• Durée : les bootcamps durent généralement de trois à neuf mois, à un rythme intensif difficile à concilier avec un emploi à temps plein.

• Point de vigilance : ce titre remplace la certification RNCP37429, désormais inactive. Le numéro RNCP se vérifie sur le site de France Compétences avant toute inscription.

Le CPF et le financement de la reconversion

• Le compte personnel de formation finance les formations certifiantes enregistrées par France Compétences, dans la limite des droits acquis, soit 500 € par an et 5 000 € au plus pour la plupart des salariés, avec une participation de 150 € à la charge du titulaire.

• Les formations éligibles doivent être proposées sur la plateforme officielle Mon Compte Formation.

• D’autres dispositifs peuvent s’y ajouter : le projet de transition professionnelle, les aides régionales ou le financement de l’employeur en cas de reconversion interne.

• Un bootcamp de data analyst coûte de l’ordre de 7 000 €, contre 15 000 € environ pour un MSc et 40 000 € environ pour un cursus complet en école d’ingénieurs privée.

• Notre guide du CPF pour financer une formation détaille les conditions et les erreurs à éviter.

Le portfolio, la preuve de compétence

• Au moins trois projets, chacun répondant à une question métier identifiable, avec des données réelles et une conclusion chiffrée.

• Un projet SQL complet : une base de données, des requêtes d’analyse et la restitution des résultats.

• Un tableau de bord interactif publié en ligne, lisible par un non-spécialiste.

• Un projet d’analyse exploratoire en Python, dans un notebook documenté qui expose ses limites méthodologiques.

• Le portfolio se publie sur GitHub et se résume en une page. Dans les recrutements des entreprises de services du numérique et des start-up, il pèse souvent autant que le diplôme.

Une reconversion réussie combine presque toujours une certification reconnue et un portfolio vérifiable : la première permet de passer la sélection sur dossier, le second de convaincre lors de l’entretien technique.

Combien de temps pour devenir data analyst

La durée du parcours dépend surtout du point de départ. Voici les délais habituels selon le profil.

• Bac+3 en trois ans : un BUT Science des données, un BUT Informatique ou une licence MIASHS après le bac. C’est la voie la moins coûteuse.

• Bac+5 en cinq ans : un master MIAGE, un master de statistique ou d’économétrie, ou une école d’ingénieurs spécialisée en data. C’est le niveau attendu pour les postes de data scientist et dans les grandes directions data.

• Reconversion en six à douze mois : un bootcamp certifiant de trois à neuf mois, suivi de deux à trois mois de recherche d’emploi. Ce délai est réaliste pour un profil bac+3 ou bac+5 à l’aise avec les chiffres.

• Autoformation en douze à dix-huit mois : une voie envisageable seulement avec un portfolio solide et une expérience métier transférable, en marketing, en finance, en contrôle de gestion ou dans la santé.

• Mobilité interne en trois à six mois : la voie la plus rapide, pour un salarié qui évolue vers l’analyse de données dans sa propre entreprise.

Le marché des cadres se redresse : l’Apec prévoit 305 800 recrutements en 2026, soit 4 % de plus qu’en 2025, dont 137 600 jeunes cadres, soit 45 % du total. La concurrence reste forte sur les postes de débutants, puisque les recrutements de cadres de moins de six ans d’expérience ont reculé de 5 % en 2025, et ceux des activités informatiques de 21 % par rapport à 2023.

Verdict éditorial du Journal des Écoles

En 2026, le métier de data analyst offre l’un des meilleurs rapports entre le coût des études et le salaire obtenu. Un BUT Science des données ou une licence MIASHS coûte moins de 300 € par an de droits d’inscription à l’université et prépare à un métier dont les offres proposent en moyenne 43 000 € brut par an, selon l’Apec. Un débutant démarre autour de 36 000 €.

Notre réserve porte sur les bootcamps. Les certifiés de la formation « Data analyst » de Simplon étaient 54 % en emploi six mois après leur certification en 2025, contre 65 % en 2024 et 69 % en 2023, et 35 % seulement occupaient le métier visé. Un bootcamp reste une option pertinente pour les profils capables de produire un portfolio vérifiable et de cibler un secteur précis. Pour les autres, la voie universitaire courte reste préférable.

Notre recommandation est nette : viser un bac+3 public en science des données ou en informatique, le compléter par une alternance, en gardant la possibilité d’un master que de nombreux recruteurs attendent, et réserver le bootcamp à une reconversion appuyée sur un projet professionnel déjà identifié. Au-delà du diplôme, la capacité à présenter une analyse de façon claire à un décideur fait souvent la différence.

Verdict signé Charlotte Montant, rédactrice en chef du Journal des Écoles.

Questions fréquentes sur le métier de data analyst

Sources

Méthodologie : les chiffres proviennent des sources ci-dessus, consultées le 30 septembre 2026. Les droits d’inscription sont ceux de l’année 2026-2027 dans l’enseignement supérieur public. Les coûts du MSc, du bootcamp et de l’école d’ingénieurs privée sont des ordres de grandeur établis par la rédaction.

Pour aller plus loin

Les métiers de l’intelligence artificielle et l’ingénieur data, pour les évolutions possibles du data analyst.

Chef de projet digital : formation, salaire et débouchés, un autre métier du numérique accessible dès bac+3.

Le classement des meilleures écoles d’ingénieurs, celui des bachelors d’écoles de commerce et celui des écoles de communication, pour choisir un établissement.

Les salaires à la sortie des grandes écoles, alternance ou stage et le guide complet de Parcoursup, pour préparer son orientation.

Le CPF pour financer une formation, pour une reconversion.

Notre méthodologie éditoriale et le contact de la rédaction pour signaler une donnée obsolète.