Salaire data scientist en France mi-2026 : ce que disent vraiment 674 offres (et pourquoi les chiffres vous trompent)

Salaire data scientist en France mi-2026 : ce que disent vraiment 674 offres

Un collègue reconverti en data science m'a appelé le mois dernier. Il venait de refuser une offre à 48 000 € brut annuel à Paris. « J'ai lu partout que le salaire médian data scientist dépassait les 55k. Je vaux plus que ça. » Le problème, c'est qu'il avait raison — et tort en même temps.

Les chiffres de salaire data scientist qu'on trouve en ligne sont rarement faux. Mais ils racontent une histoire incomplète. Un chiffre médian, sans le découper par expérience, par taille d'entreprise, par région, ça ne sert à rien. C'est comme annoncer la température moyenne annuelle d'un pays : techniquement vrai, pratiquement inutile.

On a passé les 674 offres data scientist de notre base au crible. Sources : Welcome to the Jungle (511 fiches), France Travail (148), plus nos remontées Glassdoor, LinkedIn et directes. Parmi ces 674 annonces, 58 contenaient une fourchette salariale exploitable après filtrage (stages et offres US exclues). C'est peu ? Oui. Mais c'est le reflet d'un marché où 91 % des employeurs préfèrent masquer la rémunération.

Ce ratio-là, à lui seul, mérite qu'on s'y arrête.

Le chiffre brut : 60 000 € médian

Sur les 58 offres CDI data scientist avec fourchette salariale crédible, la médiane atterrit à 60 000 € brut annuel. La moyenne est légèrement au-dessus, à 62 581 €, tirée vers le haut par quelques postes seniors en grand groupe.

Pour situer : un développeur Python affiche 54 507 € médian sur la même période. Un DevOps, 52 500 €. Un développeur JavaScript, 48 500 €. Le data scientist gagne plus — mais pas autant que beaucoup l'imaginent.

L'écart avec un dev Python confirmé ? Environ 5 500 € brut par an. Soit 460 € par mois avant impôts. Ça paye deux restos.

Paris : pas le Graal qu'on croit

242 de nos 674 offres data scientist sont localisées en Île-de-France. Parmi celles avec salaire affiché, le portrait se dessine :

Le plancher à 41 000 € correspond à un poste junior dans un cabinet de conseil. Le plafond à 97 020 €, c'est un Lead IA en grand groupe avec 9+ ans d'expérience. Entre les deux, il y a un monde.

La vraie surprise, c'est la médiane lyonnaise : 60 000 € aussi, sur 7 offres avec salaire. Presque identique à Paris. Sauf que le loyer moyen d'un T2 à Lyon coûte 700 € de moins qu'à Paris. En pouvoir d'achat net, un data scientist à Lyon vit mieux qu'à Paris à salaire égal. Ce n'est pas un scoop pour ceux qui suivent le marché tech régional, mais les candidats focalisés sur la capitale passent régulièrement à côté de cette réalité.

Toulouse affiche 59 670 € médian (5 offres). Nantes, surprise, monte à 73 828 € — mais sur seulement 4 offres, dont deux postes seniors en grand groupe qui tirent la médiane vers le haut. Prudence sur ce chiffre.

L'expérience pèse plus que la stack

Quand on croise les données expérience × salaire, un pattern émerge clairement :

Le saut se fait entre confirmé et senior. Pas avant.

Un détail qui interpelle : la médiane junior (65k) dépasse celle des confirmés (64k). Artefact statistique ? En partie. L'échantillon junior est petit (2 offres). Mais il y a une explication plausible : les offres junior qui affichent un salaire élevé sont souvent des postes dans de grandes structures (type ministère ou grand groupe industriel) qui grillent systématiquement plus haut. Les offres junior en startup, elles, n'affichent tout simplement pas le salaire.

C'est un biais de sélection classique. Les entreprises qui paient bien le disent. Les autres non.

Le poids invisible de la taille d'entreprise

Voici un fait que j'aurais aimé connaître il y a dix ans quand je cherchais mon premier poste tech. La taille de la boîte détermine votre salaire autant, sinon plus, que votre intitulé de poste.

La startup paie moins, le scaleup paie le mieux. Le grand groupe se situe entre les deux. Ce schéma revient dans quasiment toutes les stacks — on l'avait déjà documenté dans notre analyse taille de boîte vs années d'XP.

Pourquoi le scaleup domine ? Parce qu'il a levé des fonds, qu'il recrute agressivement, et que son equity n'a pas encore la valeur perçue d'un GAFAM. Il compense en cash. Quand le scaleup atteint la taille d'un grand groupe, les grilles salariales se rigidifient, les avantages en nature prennent le relais. Le cash brut plafonne.

Quand « data scientist » ne veut pas dire la même chose

Un problème persistant de cette analyse — et de toute analyse salariale sur ce métier : le titre « data scientist » recouvre des réalités très différentes.

Dans notre base, on trouve sous cette étiquette :

• Des ingénieurs IA générative (Citalid, 60-75k)
• Des ML engineers senior (Aive, 55-85k)
• Des data scientists « classiques » orientés statistiques (Implicity, 55-60k)
• Des Lead Tech IA (INOCO, 60-85k)
• Des postes hybrides data scientist / data analyst (Talan, 47-55k)

L'écart entre le bas (47k chez Talan pour un profil confirmé) et le haut (85k chez Aive pour un ML engineer senior) est de 38 000 € brut annuel. Pour le même intitulé. Sur la même ville.

Quand quelqu'un vous dit « je suis data scientist à 80k », la vraie question n'est pas « comment tu as négocié ? » mais « tu fais quoi exactement ? ». Le titre seul ne porte aucune information salariale fiable.

Le fantôme du remote

19 offres data scientist de notre base mentionnent du remote. Mais seulement 1 propose du full remote avec salaire affiché (62 000 €). Le reste se répartit entre « remote partiel » et « remote ponctuel » — autrement dit, du présentiel déguisé avec un ou deux jours de télétravail.

Le full remote en data science reste marginal en France mi-2026. Pas pour des raisons techniques — un notebook Jupyter se lance aussi bien depuis Brest que depuis Boulogne-Billancourt. C'est une question de culture managériale. Les entreprises qui recrutent des data scientists veulent de la proximité avec les métiers, des ateliers en personne, du whiteboard. Peut-être à raison, peut-être par habitude.

Conséquence pratique : si vous visez du full remote et un bon salaire en data science, il faudra probablement regarder hors des frontières. Ou accepter que le « remote partiel » français, c'est 2-3 jours au bureau minimum.

Data scientist vs DevOps : le faux match

On nous pose souvent la question : faut-il se reconvertir en data science ou en DevOps pour maximiser son salaire ? Voici la comparaison brute sur nos données juin 2026 :

Le data scientist gagne plus en médiane. Mais le DevOps a plus d'offres (754 contre 674). Et si on compare les P75 — le salaire au-dessus duquel se trouvent les 25 % les mieux payés — les deux convergent autour de 65 000 €.

Le vrai arbitrage ne se joue pas sur 7 500 € de différence médiane. Il se joue sur ce que vous aimez faire huit heures par jour. Si vous adorez les pipelines CI/CD et l'infra as code, aucun bonus salarial data science ne compensera l'ennui de nettoyer des datasets. Et inversement.

Digression rapide : j'ai croisé un DevOps reconverti data scientist qui est revenu au DevOps après 18 mois. Son explication tenait en une phrase : « Je passais 70 % de mon temps à convaincre les métiers que mes modèles marchaient, et 30 % à faire de la data science. » Le salaire était meilleur. Le quotidien, non.

Ce que ces chiffres ne disent pas

Quelques angles morts à garder en tête :

Les variables. De plus en plus de postes data scientist incluent un variable significatif (10-20 % du fixe). Notre base ne capte que le fixe. Un data scientist affiché à 55k fixe avec 15 % de variable touche en réalité 63k. Invisible dans les stats.

Les BSPCE et equity. En startup, c'est le nerf de la guerre. Un package à 50k fixe + BSPCE potentiellement valorisés à 30k sur 4 ans change complètement l'équation. Ou pas — si la boîte ne décolle jamais. Le risque est réel.

Le freelance. Les TJM data scientist oscillent entre 500 € et 900 € en France mi-2026. À 600 €/jour et 200 jours facturés, ça fait 120k brut — le double de la médiane salariée. Mais sans congés payés, sans mutuelle d'entreprise, sans filet. Un autre article à part entière.

Affiner votre propre estimation

Les médianes, c'est bien pour se situer. Mais votre salaire dépend de votre croisement unique : ville × taille de boîte × années d'XP × spécialité exacte × négociation. Quatre variables sur cinq sont dans les données. La cinquième, c'est vous.

Notre simulateur de salaire par stack, XP et région permet de croiser ces dimensions sur l'ensemble de la base 7 187 offres. Pas de compte à créer, pas de données personnelles demandées.

Si le sujet DevOps vous intéresse pour comparer, on avait détaillé la méthode d'estimation en 5 étapes sur 746 offres DevOps. Et pour comprendre pourquoi la taille de l'entreprise bat souvent l'expérience dans la grille salariale, l'analyse croisée sur 6 940 offres reste d'actualité.

Les données bougent chaque mois. Les intitulés changent, les fourchettes glissent, de nouvelles boîtes apparaissent. Ce qu'on peut affirmer aujourd'hui : en France mi-2026, un data scientist touche autour de 60k médian, monte à 80k+ avec 6 ans d'XP, et peut dépasser les 100k en fin de carrière ou en scaleup bien financé. Le reste, ce sont des nuances. Et les nuances, c'est précisément ce qui fait la différence en négociation.