Le salaire d’un data scientist junior en France se situe, en 2026, dans une zone de marché où les écarts viennent moins du titre que du périmètre réel du poste. Un premier emploi centré sur des notebooks, du nettoyage de données et des modèles standards ne se négocie pas au même niveau qu’un poste mêlant déploiement, relation métier et mise en production. Les chiffres observés convergent vers une médiane de 56 000 € brut annuel pour le métier, d’après France Travail, la DARES et l’INSEE, sur un périmètre France entière et à partir des données 2024-2025 disponibles au moment des dernières publications. Pour un profil débutant, l’estimation descend mécaniquement sous cette médiane, avec une base autour de 39 200 € à 46 000 € selon les méthodes de consolidation retenues, les sources et le niveau de comparaison utilisé.
Cette lecture reste utile, car le marché de l’emploi ne rémunère pas seulement l’ancienneté. Il valorise aussi la capacité à cadrer un besoin, à dialoguer avec les équipes produit et à défendre une analyse de salaire cohérente face à plusieurs sources. Dans les offres publiées en 2026, le data scientist junior arrive souvent avec une fourchette qui reflète la ville, le secteur et la part de tâches automatisables. Un poste à Paris, dans la finance ou la tech, peut dépasser nettement un premier poste en région dans une ESN. À l’inverse, certaines structures compensent un fixe plus bas par du variable, du télétravail, de la formation ou des projets plus exposés. C’est là que les chiffres prennent leur sens : pas comme une promesse uniforme, mais comme un repère pour négocier sans se tromper d’ancre. Les mêmes mécanismes se retrouvent dans le salaire des développeurs, où ville et secteur pèsent tout autant.
En bref
- 56 000 € brut annuel constitue une médiane de référence pour le métier, selon France Travail, la DARES et l’INSEE, sur un périmètre France entière et des données 2024-2025 publiées en 2026.
- Un data scientist junior se situe souvent entre 39 200 € et 46 000 € en base, selon la méthode d’estimation retenue.
- Les écarts de rémunération viennent surtout de la ville, du secteur, du type de données traitées et du niveau d’autonomie attendu.
- Les tâches les plus standardisées, comme le preprocessing simple ou l’EDA de base, sont de plus en plus automatisées.
- La valeur se déplace vers la formulation du problème, la validation métier, la gestion des biais et la mise en production.
- Comparer plusieurs sources reste indispensable avant toute négociation de salaire.
Salaire data scientist junior en France : la fourchette utile pour 2026
Pour un premier poste, la fourchette la plus solide ne sort pas d’un seul baromètre. Elle se construit en croisant les données institutionnelles et les salaires affichés par le marché. Les référentiels disponibles en 2026 donnent un point d’ancrage autour de 42 000 € à 52 000 € brut annuel pour un junior de 0 à 2 ans, avec des valeurs plus hautes en Île-de-France et plus basses en dehors des grands pôles. L’écart n’a rien d’exceptionnel : il reflète le coût de la vie, la densité des offres et la nature des missions. Une équipe qui fait de la prédiction de risque bancaire n’offre pas le même package qu’une structure qui cherche surtout à automatiser des rapports.
Un cas concret aide à lire ces chiffres. Une candidate sortie d’école d’ingénieur, avec quelques projets Python et une alternance en data, vise un premier poste à Lyon. Dans ce cadre, une base autour de 44 000 € brut annuel paraît cohérente d’après les grilles régionales observées par les acteurs du recrutement tech en 2026. La même candidate à Paris, sur un poste exposé à des modèles de production et à de la donnée sensible, peut prétendre à davantage. Le diplôme, la maîtrise de Python, SQL, et la capacité à expliquer un modèle restent des marqueurs nets. La marge de négociation vient ensuite du secteur et de l’effet de rareté.
Une grille de lecture simple pour situer un premier poste
| Niveau | Salaire brut annuel estimé | Lecture du marché |
|---|---|---|
| Junior 0-2 ans | 39 200 € à 46 000 € | Base de départ, forte sensibilité à la ville et au secteur |
| Confirmé 3-7 ans | 56 000 € à 64 399 € | Point d’ancrage de la médiane marché |
| Senior 8 ans et plus | 70 000 € à 75 600 € | Hausse liée à l’expertise, au pilotage et à l’impact métier |
Cette grille reste prudente, car elle s’appuie sur des données consolidées entre DARES, INSEE et observatoires d’offres publiées. L’intérêt n’est pas de figer une vérité, mais de donner une borne de départ crédible. Dans les faits, le bon réflexe consiste à regarder la borne basse comme le niveau d’entrée réaliste et la borne haute comme le niveau atteignable si le dossier est solide. C’est souvent là que se joue la qualité d’une négociation.
Pourquoi les chiffres varient selon la ville, le secteur et la mission
Le marché de l’emploi des métiers data ne fonctionne pas comme un barème unique. À compétence comparable, l’Île-de-France paie davantage, avec un écart souvent situé entre 15 % et 22 % selon le niveau, d’après les baromètres régionaux des salaires cadres Tech publiés en mars 2026 par l’APEC et les données INSEE sur les salaires moyens régionaux de 2025. Cela s’explique par la concentration des sièges, des équipes data et des projets complexes, mais aussi par la concurrence entre employeurs. En région, un salaire plus bas peut être compensé par des loyers moins élevés, parfois divisés par 1,8 à 2,3 hors Île-de-France selon les comparaisons de marché reprises en 2026.
Le secteur pèse aussi lourd que la géographie. Dans la banque et la finance quantitative, un profil confirmé peut atteindre une médiane autour de 68 000 €, avec un variable médian de 15 %, selon les données APEC 2026 et les baromètres sectoriels du recrutement. Dans l’assurance, on observe plutôt 62 000 €. À l’autre bout, les ESN restent souvent plus basses, autour de 52 000 € pour un confirmé, toujours selon les mêmes sources. Pourquoi un tel écart ? Parce que la valeur créée n’est pas la même, ni le degré d’urgence, ni le niveau de risque métier. Un modèle de fraude ou de pricing se monétise plus directement qu’un reporting automatisé.
Les écarts les plus fréquents à garder en tête
- Paris et la première couronne : rémunération plus haute, mais coût de vie supérieur.
- Banque et assurance : packages souvent plus élevés, variable plus présent.
- Tech et scale-up IA : fixe correct, avec parfois BSPCE et forte exposition aux sujets produit.
- Industrie et énergie : niveaux intermédiaires, mais stabilité souvent recherchée.
- ESN : entrée de gamme plus contenue, progression liée au contexte client.
Un junior qui compare uniquement les montants bruts passe à côté de l’essentiel. Il faut aussi regarder les avantages, la formation, les perspectives de mobilité interne et la nature des données traitées. C’est souvent là que se construit la vraie trajectoire salariale.
Impact de l’IA sur le salaire data scientist junior
Le métier reste demandé, mais la nature des tâches change vite. En 2026, les estimations évoquent une exposition d’environ 55 % des tâches aux outils d’IA et d’AutoML, sur la base d’une lecture de marché croisée entre France Travail, la DARES, l’INSEE et plusieurs études sectorielles. Cela ne signifie pas disparition du métier. Cela signifie que certaines tâches d’entrée de carrière sont plus commoditisées qu’avant. Le preprocessing simple, les notebooks d’exploration standards, le tuning basique de modèles et la documentation technique peuvent être accélérés, parfois fortement.
Cette automatisation a une conséquence directe sur le salaire junior : un profil cantonné aux tâches les plus répétitives a moins de levier à l’embauche qu’en 2022 ou 2023. À l’inverse, un profil capable d’expliquer les biais d’un jeu de données, de relier un score à une décision métier ou de gérer un pipeline en production conserve une valeur nette. Dans les annonces 2026, les mentions « LLM », « MLOps », « RAG » ou « causal inference » ouvrent souvent une fourchette plus large. Le marché rémunère désormais moins la simple exécution que la capacité à arbitrer, sécuriser et rendre utile.
Un exemple aide à rendre cela concret. Deux candidats sortent du même master. Le premier sait produire un notebook propre, mais s’arrête là. Le second a déjà travaillé sur un déploiement de modèle, suivi des dérives et dialogué avec le métier. Dans le même processus, la différence de rémunération peut dépasser plusieurs milliers d’euros par an. Le signal envoyé par le marché est clair : la technique seule ne suffit plus, il faut de l’intégration métier.
Comparer les sources avant de négocier sa rémunération
Une analyse de salaire sérieuse ne se limite pas à une capture d’écran d’offres. Elle croise au moins trois familles de données : les observatoires institutionnels, les offres réellement publiées et les déclarations de rémunération. En 2026, les repères les plus utiles restent l’APEC, Hellowork, Glassdoor France, France Travail et l’INSEE. L’APEC donne une vision structurée par métier ; Hellowork reflète les annonces ; Glassdoor est utile pour une entreprise précise ; l’INSEE ajuste le regard au niveau régional. Pris séparément, ces outils ont leurs limites. Ensemble, ils permettent de mieux situer un data scientist débutant.
Le point important n’est pas de chercher la source la plus élevée, mais la plus comparable. Une estimation par déclarations individuelles ne raconte pas la même chose qu’une médiane d’offres publiées. Une grille issue d’un cabinet de recrutement n’a pas non plus le même périmètre qu’un baromètre institutionnel. Les écarts s’expliquent par la méthode, le type d’entreprises observées et le niveau de séniorité retenu. En pratique, c’est en recoupant ces différences qu’une fourchette devient crédible. Sinon, elle ne sert qu’à nourrir une attente mal calibrée.
Pour aller plus loin, une référence utile reste la page dédiée à la rémunération sur l’observatoire du salaire data scientist, qui synthétise plusieurs repères de marché et permet de comparer les niveaux junior, médian et senior.
Ce que regarde un recruteur avant de fixer un salaire data scientist junior
Le diplôme ouvre la porte, mais il ne fixe pas tout. En 2026, un master orienté statistiques ou IA, une école d’ingénieur ou une spécialisation reconnue apporte souvent une prime à l’embauche, parfois estimée entre 8 % et 12 % par rapport à un master universitaire généraliste, selon les observations de marché publiées par les acteurs du recrutement tech. Mais cette prime ne vaut que si le dossier montre des réalisations tangibles. Un portfolio GitHub propre, un projet de fin d’études déployé ou une alternance en environnement réel pèsent davantage qu’une ligne de CV supplémentaire.
Les recruteurs regardent aussi la capacité à parler le langage du métier. Savoir pourquoi un faux positif coûte plus cher qu’un faux négatif dans le crédit, comprendre un drift de données ou expliquer une métrique business change le niveau d’entrée. C’est ce qui sépare un profil purement technique d’un profil déjà employable. Un junior qui présente ses résultats avec des ordres de grandeur, des hypothèses et des limites inspire davantage confiance. Dans un métier où la mesure compte, la clarté devient une compétence salariale.
Les éléments qui peuvent faire monter la proposition
- Un portfolio de projets montrant du Python, du SQL et un vrai raisonnement analytique.
- Une expérience de stage ou d’alternance en contexte proche du poste visé.
- Une spécialisation rare comme le NLP, la vision, les séries temporelles ou la fraude.
- Un contexte de tension sur l’équipe ou sur le marché local.
- Une capacité à lier la donnée au business, avec un impact chiffré.
Cette lecture évite un piège fréquent : croire qu’un junior se vend seulement sur sa fraîcheur technique. En réalité, le marché rémunère surtout la crédibilité opérationnelle. C’est cette bascule qui fait toute la différence au premier entretien.
Grille de rémunération et composantes du package en 2026
Le salaire n’est qu’une partie de la rémunération. Dans les métiers data, le fixe représente le plus souvent 80 % à 90 % du package total, selon les pratiques observées par les enquêtes rémunération 2026. Le variable reste présent dans certains secteurs, surtout en finance, où il peut monter plus haut. Certaines entreprises ajoutent de l’intéressement, de la participation, du télétravail indemnisé, un budget formation ou des actions gratuites. Pour un data scientist junior, ce sont parfois ces blocs périphériques qui transforment une offre moyenne en offre correcte.
Un cas simple illustre ce point. Deux offres affichent le même fixe, 44 000 €. La première n’ajoute rien. La seconde comprend un budget cloud, un plan de formation, un forfait télétravail et une revue salariale prévue à douze mois. La seconde est plus solide, même sans chiffre spectaculaire. C’est la raison pour laquelle une négociation ne doit jamais se limiter au brut annuel. Les détails du package racontent le vrai rapport de force.
| Élément du package | Ordre de grandeur observé | Lecture |
|---|---|---|
| Fixe annuel brut | 80 % à 90 % du total | Base principale de négociation |
| Variable | 5 % à 15 % | Plus présent dans la finance et certains grands groupes |
| Intéressement / participation | 3 000 € à 8 000 € nets | Souvent plus visible dans les ETI et grands groupes |
| BSPCE / actions | Potentiel élevé, mais non garanti | À lire avec prudence dans les scale-up |
La vraie question n’est donc pas « combien vaut un junior ? », mais « quel poste permet d’apprendre vite sans sous-vendre sa trajectoire ? ». C’est souvent là que se construit la meilleure progression de salaire à deux ou trois ans.
Pour un suivi régulier des repères de marché, une autre ressource utile est la page dédiée à la rémunération des data scientists en France, qui permet de remettre les offres du moment dans un cadre plus stable.
Quel salaire viser pour un data scientist junior en France ?
Un niveau de départ cohérent se situe souvent entre 39 200 € et 46 000 € brut annuel, avec des écarts selon la ville, le secteur et l’autonomie attendue. La médiane du métier se situe plus haut, autour de 56 000 € brut annuel, sur la base des sources France Travail, DARES et INSEE.
Pourquoi les offres sont-elles différentes d’une source à l’autre ?
Les écarts viennent de la méthode de collecte, du périmètre observé et de la séniorité retenue. Une médiane d’offres publiées, une base déclarative et un référentiel institutionnel ne mesurent pas exactement la même réalité.
L’intelligence artificielle fait-elle baisser le salaire d’entrée ?
Elle comprime surtout la valeur des tâches les plus standardisées, comme le preprocessing simple ou l’exploration basique. En revanche, les profils capables de relier la donnée au business, de gérer les biais et de mettre en production gardent un levier de rémunération.
Quelles informations demander avant d’accepter une offre ?
Il faut regarder le fixe, le variable, les avantages, le budget formation, le télétravail, la place du métier dans l’équipe et la date de revue salariale. Le package total compte souvent autant que le brut affiché.
Quelles sources consulter avant une négociation ?
L’APEC, Hellowork, Glassdoor France, France Travail et l’INSEE donnent des angles complémentaires. Le plus fiable reste le croisement de plusieurs références plutôt qu’une seule fourchette isolée.
