Data analyst et Data engineer ont des profils CRISTAL-10 proches (70 % vs 76 %). La décision dépend du Human Moat (36 % vs 37 %) et des perspectives de reconversion.
Human Moat différenciant : 36 % vs 37 %. Reconversion difficile.
Data analyst vs Data engineer - 7 critères CRISTAL-10
Analyse basée sur CRISTAL-10 v13.0 (formule GPT_beta × FAF × (1−HMI)), données INSEE/DARES/France Travail 2026.
| Critère | Data analyst | Data engineer |
|---|---|---|
| Risque IA (CRISTAL-10) | 70 % Fortement exposé | 76 % Exposition critique |
| Salaire brut/an | 48 000 € Net ~3 120 €/mois | 53 000 € Net ~3 445 €/mois |
| Survie 5 ans | 77 % en hausse | 78 % en hausse |
| MJED 2028 | 99 % 2030 : 78 % | 94 % 2030 : 77 % |
| Human Moat (bouclier humain) | 36 /100 Irremplaçabilité humaine | 37 /100 Irremplaçabilité humaine |
| Prime IA potentielle | 44 % +69 120 €/an avec IA | 44 % +76 320 €/an avec IA |
| Heures libérées/sem | 22.4 h Temps récupéré grâce à l'IA | 22.1 h Temps récupéré grâce à l'IA |
▶ Voir les critères secondaires (résilience, friction reconversion, 2030…)
| Critère secondaire | Data analyst | Data engineer |
|---|---|---|
| Projection 2030 | 78 % | 77 % |
| Potentiel augmentation | 28.1 % | 29.2 % |
| Friction reconversion | 31 /10 Plus bas = plus facile | 29 /10 Plus bas = plus facile |
| Urgence reconversion | 4.2 /10 | 4.1 /10 |
| Résilience globale | 7.3 /10 | 7.8 /10 |
| Télétravail | 1 Possible | 1 Possible |
| Facilité reconversion | 56 /100 Plus haut = plus facile | 57 /100 Plus haut = plus facile |
| Augmentation IA | 78 % % tâches augmentables | 79 % % tâches augmentables |
Quel métier vous correspond ?
Le meilleur choix dépend de votre situation. Voici comment arbitrer selon votre profil :
Choisir Data analyst si :
- ✓ Télétravail et flexibilité
Verdict : Évolue
“L’IA génère des graphiques, des requêtes SQL et des rapports plus vite que vous. Mais interpréter pourquoi les ventes ont chuté de…”
Choisir Data engineer si :
- ✓ Objectif salaire plus élevé
- ✓ Télétravail et flexibilité
Verdict : Evolue
“L'IA génère maintenant 80% des pipelines ETL standards et optimise automatiquement les requêtes SQL complexes. Vous passez de code…”
Profil de compétences - 6 dimensions
Score /50 par dimension. ▓ = avantage. Source : CRISTAL-10 v13.0.
| Dimension | Data analyst | Data engineer |
|---|---|---|
| Langage / Texte | 40 | 53 |
| Données / Analyse | 88 | 39 |
| Code / Logique | 65 | 41 |
| Visuel / Créatif | 20 | 29 |
| Physique / Manuel | 3 | 22 |
| Social / Émotionnel | 20 | 53 |
Tâches automatisées vs préservées
Ce que l'IA va changer dans le quotidien de chaque métier d'ici 2026-2028.
Data analyst
⚠️ Tâches automatisées par l'IA
- ⚠️ Génération de requêtes SQL et scripts d’extraction de données
- ⚠️ Création automatique de dashboards et visualisations
- ⚠️ Nettoyage et transformation de données (ETL automatisé)
- ⚠️ Détection d’anomalies statistiques dans les datasets
✨ Tâches préservées (human moat)
- ✨ Formuler la bonne question business avant de toucher aux données
- ✨ Interpréter des résultats dans leur contexte métier et organisationnel
- ✨ Présenter des insights à des décideurs non-techniques de manière convaincante
- ✨ Identifier les biais dans les données et les modèles
Data engineer
⚠️ Tâches automatisées par l'IA
- ⚠️ Écriture des scripts d'ingestion batch pour des sources standardisées (API REST,
- ⚠️ Génération du code SQL pour les transformations répétitives (nettoyage basique,
- ⚠️ Optimisation automatique des performances des requêtes sur BigQuery, Snowflake o
- ⚠️ Documentation technique auto-générée des schémas de données, lineage et dépendan
✨ Tâches préservées (human moat)
- ✨ Choix de l'architecture data face à des contraintes métier contradictoires (coût
- ✨ Négociation avec les équipes métiers pour comprendre la sémantique réelle des do
- ✨ Debugging des pipelines en production quand l'IA propose des corrections qui cas
- ✨ Conception des stratégies de rétention, pseudonymisation et anonymisation des do
Actions recommandées pour chaque métier
Actions Data analyst
- → {'action': "Configurer ChatGPT Advanced Data Analysis et tester l'automatisation d'un rapport hebdom
- → {'action': "Créer une bibliothèque de prompts optimisés pour la génération de code Python/SQL et l'a
- → {'action': 'Développer une expertise en validation critique des outputs IA (détection des hallucinat
Outil IA prioritaire : ChatGPT Advanced Data Analysis (Code Interpreter) pour l'analyse exploratoire automatisée, le nettoyage de données et la génération de visualisations
Actions Data engineer
- → {'action': "Configurer GitHub Copilot (ou Cursor) et l'utiliser cette semaine pour générer la docume
- → {'action': 'Déployer un POC de base vectorielle (Pinecone, Weaviate ou ChromaDB) pour indexer un jeu
- → {'action': 'Architecturer un pipeline RAG (Retrieval-Augmented Generation) complet : ingestion de do
Outil IA prioritaire : LangChain - Orchestration de pipelines de données IA et intégration de modèles LLM dans les flux ETL existants
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.