TJM d'un Data Scientist freelance

Positionné auprès des métiers ou de la DSI, il exploite, analyse et évalue la richesse des données, structurées ou non, pour établir des scénarios permettant de comprendre et d'anticiper de futurs leviers métiers ou opérationnels : c'est la définition Cigref, délibérément large. Le détail des activités l'est moins : conçoit des modèles statistiques et d'apprentissage automatisé, compare et évalue différentes méthodes de calcul, anticipe leurs avantages et inconvénients, assure une veille recherche pour introduire de nouvelles approches de modélisation.

Le Cigref le décrit comme un acteur important de la transformation numérique et de la stratégie d'entreprise, un métier récent en forte progression. Le parcours type, Bac+5 issu d'école d'ingénieur, de commerce, ou d'écoles spécialisées en statistiques, confirme un profil plus scientifique que technique au sens strict.

Une seule compétence Cigref atteint le niveau maximal, 5 sur 5 : l'identification des besoins, écouter et guider les parties prenantes vers une décision, davantage que la pure technique de modélisation. Quatre autres sont à 4 sur 5 : veille technologique, innovation, gestion de l'information, gestion de la qualité des TIC.

Côté marché, hors Cigref : les certifications data science des plateformes cloud servent de référence ; chez Microsoft, la certification Azure Data Scientist Associate (DP-100) a été retirée le 1er juin 2026.

C'est, selon notre lecture, le métier le plus directement concerné par l'IA générative que les travaux du Do Tank Cast & Cigref (restitution janvier 2026) documentent pourtant le moins. Ses cinq groupes de travail couvrent le développement augmenté, le vibe coding, la modernisation applicative, le design des applications et le support IT, en laissant de côté la construction de modèles elle-même.

Ce qui s'applique, parce que c'est un principe transversal répété dans toute la série : les obligations de gouvernance de l'AI Act s'appliquent quelle que soit l'architecture technique retenue, et tout flux augmenté par IA reste soumis à un contrôle humain. Pour un Data Scientist, ces deux principes touchent directement son cœur de métier, puisque c'est lui qui conçoit et valide les modèles que ces obligations encadrent.