Un domaine tendu, où le titre affiché renseigne peu sur le travail réel. L'expérimentation et la mise en production relèvent de personnes différentes.
4 métiers, 16 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 se lisent avec leur contexte. 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 dans un notebook est devenu accessible ; le faire tourner de façon fiable, surveillée et réentraînable reste difficile. 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 dépourvue de socle de données exploitable recrute plus cher et garde moins longtemps, parce que le poste tenu diffère du 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 vaut pour un temps, et à certains niveaux seulement, 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. L'alignement reste un choix ; nous établissons avec elle ce sur quoi elle se différencie, faute de quoi elle perdrait ses candidats les plus sollicités en fin de processus, avant même d'avoir pu en discuter.
Les grilles
Fourchettes brutes annuelles, de l'entrée médiane à 47 k€ au plafond médian à 153 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.
Le candidat, lui, compare des nets, et vous engagez une enveloppe : notre calcul brut, net et coût employeur fait la conversion dans les trois sens.
Édition 2027
Le décalage entre l'intitulé et le contenu réel y est 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. Nous nommons le poste pour ce qu'il est dès le cadrage, avant l'ouverture de la recherche.
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 ; reste à savoir comment le pourvoir. Nos guides employeur disent ce qui fait échouer chacun de ces recrutements et ce qui se tranche avant de chercher.
La fiche métier data scientist vue du côté de l'entreprise.
Lire le guideLa fiche métier machine learning engineer vue du côté de l'entreprise.
Lire le guideLa fiche métier ingénieur mlops vue du côté de l'entreprise.
Lire le guideLa fiche métier ingénieur ia générative vue du côté de l'entreprise.
Lire le guidePoursuivre
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 heures ouvrées.
