Data scientist et Analyste données ont des profils CRISTAL-10 proches (71 % vs 80 %). La décision dépend du Human Moat (38 % vs 37 %) et des perspectives de reconversion.
Human Moat différenciant : 38 % vs 37 %. Reconversion difficile.
Analyste données vs Data scientist - 7 critères CRISTAL-10
Analyse basée sur CRISTAL-10 v13.0 (formule GPT_beta × FAF × (1−HMI)), données INSEE/DARES/France Travail 2026.
| Critère | Analyste données | Data scientist |
|---|---|---|
| Risque IA (CRISTAL-10) | 80 % Exposition critique | 71 % Fortement exposé |
| Salaire brut/an | 46 000 € Net ~2 990 €/mois | 55 000 € Net ~3 575 €/mois |
| Survie 5 ans | 78 % en hausse | 81 % en hausse |
| MJED 2028 | 94 % 2030 : 77 % | 93 % 2030 : 72 % |
| Human Moat (bouclier humain) | 37 /100 Irremplaçabilité humaine | 38 /100 Irremplaçabilité humaine |
| Prime IA potentielle | 44 % +66 240 €/an avec IA | 44 % +79 200 €/an avec IA |
| Heures libérées/sem | 22.1 h Temps récupéré grâce à l'IA | 21.7 h Temps récupéré grâce à l'IA |
▶ Voir les critères secondaires (résilience, friction reconversion, 2030…)
| Critère secondaire | Analyste données | Data scientist |
|---|---|---|
| Projection 2030 | 77 % | 72 % |
| Potentiel augmentation | 29.2 % | 30.0 % |
| Friction reconversion | 31 /10 Plus bas = plus facile | 28 /10 Plus bas = plus facile |
| Urgence reconversion | 4.1 /10 | 3.9 /10 |
| Résilience globale | 7.8 /10 | 8.4 /10 |
| Télétravail | 1 Possible | 1 Possible |
| Facilité reconversion | 57 /100 Plus haut = plus facile | 58 /100 Plus haut = plus facile |
| Augmentation IA | 79 % % tâches augmentables | 79 % % tâches augmentables |
Quel métier vous correspond ?
Le meilleur choix dépend de votre situation. Voici comment arbitrer selon votre profil :
Choisir Analyste données si :
- ✓ Télétravail et flexibilité
Verdict : Evolue
“L'IA génère déjà vos requêtes SQL complexes et nettoie les datasets sales en secondes. Les juniors qui ne font que du Excel et des…”
Choisir Data scientist si :
- ✓ Objectif salaire plus élevé
- ✓ Télétravail et flexibilité
Verdict : Evolue
“Les modèles génèrent maintenant du code Python et des notebooks complets. Votre valeur n'est plus dans le script mais dans la défi…”
Profil de compétences - 6 dimensions
Score /50 par dimension. ▓ = avantage. Source : CRISTAL-10 v13.0.
| Dimension | Analyste données | Data scientist |
|---|---|---|
| Langage / Texte | 43 | 35 |
| Données / Analyse | 60 | 92 |
| Code / Logique | 76 | 80 |
| Visuel / Créatif | 27 | 15 |
| Physique / Manuel | 1 | 3 |
| Social / Émotionnel | 33 | 15 |
Tâches automatisées vs préservées
Ce que l'IA va changer dans le quotidien de chaque métier d'ici 2026-2028.
Analyste données
⚠️ Tâches automatisées par l'IA
- ⚠️ Nettoyage automatique de datasets avec valeurs manquantes, doublons et formats i
- ⚠️ Génération de requêtes SQL pour jointures multi-tables et agrégations standards
- ⚠️ Création de visualisations basiques (bar charts, heatmaps) à partir de données s
- ⚠️ Détection d'anomalies statistiques simples sur séries temporelles (outliers, rup
✨ Tâches préservées (human moat)
- ✨ Traduction des questions business floues ('pourquoi nos clients partent ?') en h
- ✨ Validation de la qualité des données sources (vérifier si le CRM ou l'ERP ment s
- ✨ Choix des KPIs adaptés aux enjeux stratégiques spécifiques de l'entreprise (arbi
- ✨ Médiation entre équipes opérationnelles non techniques et contraintes techniques
Data scientist
⚠️ Tâches automatisées par l'IA
- ⚠️ Génération de code Python pour le preprocessing standard (encodage One-Hot, scal
- ⚠️ Création automatique de notebooks d'exploration (EDA) avec corrélations Pearson
- ⚠️ Recherche d'hyperparamètres basiques pour modèles sklearn (GridSearchCV sur Rand
- ⚠️ Traduction automatique entre requêtes SQL complexes et chaînages pandas pour man
✨ Tâches préservées (human moat)
- ✨ Définition de la métrique business pertinente selon le coût asymétrique du faux
- ✨ Identification des biais de sélection dans les données d'entraînement historique
- ✨ Conception d'architectures de features temporelles complexes (lag variables, rol
- ✨ Négociation avec les équipes métiers pour formaliser les contraintes réelles non
Actions recommandées pour chaque métier
Actions Analyste données
- → {'action': "Automatiser l'EDA (Exploratory Data Analysis) via agents IA pour accélérer l'analyse ini
- → {'action': "Utiliser le NL to SQL pour permettre aux métiers d'interroger directement les bases", 'd
- → {'action': "Développer des pipelines d'insights automatisés avec narration générative des résultats"
Outil IA prioritaire : ChatGPT Advanced Data Analysis ou Julius AI pour l'analyse exploratoire et visualisation rapide
Actions Data scientist
- → {'action': 'Auditer vos workflows pour identifier 3 tâches répétitives (nettoyage, EDA, feature engi
- → {'action': 'Maîtriser LangChain ou LlamaIndex pour orchestrer des pipelines de données autonomes ave
- → {'action': "Développer une expertise en 'Human-in-the-loop' et gouvernance IA pour pivoter vers l'au
Outil IA prioritaire : LangChain - pour transformer vos scripts Python en agents autonomes capables d'interpréter, analyser et visualiser les données sans intervention manuelle
Questions fréquentes
Comparaisons proches
Données sources : CRISTAL-10 v13.0, ROME V4, INSEE, DARES 2026. Dernière mise à jour : 2026-04-11. Méthodologie CRISTAL-10.