Le domaine le plus tendu de l'étude, et celui où le titre affiché renseigne le moins sur le travail réel. Entre l'expérimentation et la mise en production, ce ne sont pas les mêmes personnes.
3 métiers, 12 échelons de rémunération, en brut annuel. Publié en septembre 2026, libre de citation avec un lien vers cette page.
Ce qui fait la différence
Les fourchettes ci-dessous ne se lisent pas seules. Voici ce qui déplace une rémunération à l'intérieur de ce domaine, tel que nous le constatons sur nos mandats.
Construire un modèle qui fonctionne sur un carnet de notes est devenu accessible ; le faire tourner de façon fiable, surveillée et réentraînable ne l'est pas. Ce sont les profils d'ingénierie de mise en production qui manquent, et l'écart avec l'expérimentation pure se creuse d'année en année.
Un candidat sérieux demande, avant le salaire, sur quelles données il travaillera et dans quel état elles sont. Une entreprise sans socle de données exploitable recrute plus cher et garde moins longtemps, parce que le poste tenu ne ressemble pas au poste vendu.
C'est l'un des rares domaines où un projet clairement énoncé, avec un impact mesurable, fait basculer une décision face à une offre financièrement supérieure. Cela ne vaut pas indéfiniment, et pas à tous les niveaux, mais cela ouvre une marge de manœuvre réelle aux entreprises qui savent décrire ce qu'elles construisent.
Sur les niveaux confirmés, une entreprise française se compare à des employeurs internationaux qui recrutent à distance et publient leurs grilles. Elle n'est pas obligée de s'aligner, mais elle doit savoir sur quoi elle se différencie, faute de quoi elle perdra ses meilleurs candidats en fin de processus, sans avoir été en position d'en discuter.
Les grilles
Fourchettes brutes annuelles, de l'entrée médiane à 48 k€ au plafond médian à 150 k€. Variable et primes inclus uniquement quand l'échelon le précise. Ce sont des indications terrain : la réalité dépend de la taille de l'entreprise, du secteur et du périmètre exact.
Édition 2027
C'est le domaine où le décalage entre l'intitulé et le contenu réel est le plus fort. Une part des postes ouverts sous un titre lié à l'intelligence artificielle relève en réalité de l'analyse de données, et les candidats s'en aperçoivent au premier entretien technique. L'effet est immédiat sur la réputation de l'employeur, dans un marché où les candidats se parlent. Nommer honnêtement le poste coûte moins cher que le recruter deux fois.
Ces grilles reflètent le segment que nous accompagnons — petites et moyennes entreprises, entreprises de taille intermédiaire et jeunes entreprises en croissance, en France. La méthodologie complète est sur la page de l'étude.
Vous recrutez
Une grille dit ce que coûte un poste, pas comment le pourvoir. Nos guides employeur disent ce qui fait échouer chacun de ces recrutements et ce qu'il faut avoir tranché avant de chercher.
La fiche métier data scientistvue du côté de l'entreprise.
Lire le guide →La fiche métier ml engineer / ingénieur iavue du côté de l'entreprise.
Lire le guide →La fiche métier ingénieur mlopsvue du côté de l'entreprise.
Lire le guide →Poursuivre
Restez à jour
Nous réactualisons ces grilles au fil de nos mandats et publions une nouvelle édition chaque année. Laissez votre email pour la recevoir.
Donnez-nous le contexte (taille d'entreprise, secteur, périmètre exact) et nous vous transmettons une fourchette argumentée sous 24 h.