Dans cet article, je vais vous parler des ordres de grandeur des salaires dans le domaine de la Data et de l’IA, et vous donner quelques conseils à ce sujet.
Cette image sur les salaires américains fait rêver, mais qu’en est-il dans notre beau pays ? :)
Introduction
En introduction, les ordres de grandeur que je vais évoquer sont ceux que j’observe en région parisienne, donc si votre entreprise est en province il faut adapter, et si elle est en dehors de la France les ordres de grandeur peuvent complètement varier en fonction du pays.
Deuxième point toujours en introduction : à l’heure où j’écris ces lignes nous sommes en 2020, il est probable que les ordres de grandeur des salaires évoluent dans les années futures.
Quatre seuils à avoir en tête
Ceci étant dit, si je prends l’exemple d’un jeune diplômé avec une bonne formation, qui débute sa carrière comme Data Scientist, l’ordre de grandeur du 1er salaire est de 45k€ (brut annuel).
Ensuite cela peut évoluer très vite, avec quelques années d’expérience, à 50-60-70k€, puis il y a un premier seuil autour de 80k€, où on passe à des postes typiquement avec une responsabilité hiérarchique ou fonctionnelle d’équipe, de taille relativement réduite, avec des profils plutôt juniors à coacher ou manager. Il peut s’agir par exemple d’un poste de type ‘Lead Data Scientist’.
Puis il y a un deuxième seuil autour de 100k€, où on passe en général à des postes de type manager d’équipe pluridisciplinaire (Data Science, Data Engineering, etc.) - par exemple un responsable de Data Lab, ou un manager d’équipe « monodisciplinaire » mais de taille plus conséquente, avec des profils plus seniors à manager.
Et enfin il y a un dernier seuil autour de 150k€, où on passe à des postes de type Chief Data Officer ou équivalent.
Donc cela vous donne quatre seuils pour avoir des repères : 45k, 80k, 100k et 150k€.
Trois remarques importantes
1ère remarque : il y a des disparités énormes en fonction des secteurs d’activité, et des tailles d’entreprise. J’ai déjà vu par exemple des salaires supérieurs à 200k€ sans que les personnes ne soient Chief Data Officer. Mais je pense que cela reste des exceptions, et les chiffres que j’ai évoqués à l’instant sont ceux que j’observe en moyenne depuis plusieurs années.
2ème remarque : on peut très bien avoir des salaires proches de 100k€ ou supérieurs à 100k€ sans être manager. C’est le cas par exemple d’experts dans des domaines comme le NLP ou la Computer Vision, etc. avec plusieurs années d’expérience et des réalisations notables dans le domaine.
3ème remarque : par rapport aux différentes spécialités qui existent dans une équipe Data (Data Scientist, Data Engineer, etc.), les salaires sont à peu près équivalents d’une spécialité à l’autre, sauf parfois en début de carrière où les salaires des Data Scientists peuvent être un peu supérieurs aux autres spécialités, et encore c’est de moins en moins vrai avec des rôles comme Machine Learning Engineer qui sont de plus en plus recherchés.
Deux conseils pour conclure
1er conseil : n’essayez pas de faire rentrer les salaires des équipes Data dans des grilles existantes, car d’une part c’est un domaine encore assez récent, et d’autre part c’est un domaine où il demeure un déséquilibre entre l’offre et la demande – donc par nature cela rentre difficilement dans des grilles existantes.
2ème conseil : justement comme il y a ce déséquilibre entre l'offre et la demande, si vous voulez pouvoir attirer et retenir les meilleurs, je vous conseille d’avoir des salaires au-dessus du marché, typiquement 20 à 30% au-dessus du marché - du marché de la Data (pas de l’ingénierie en général). Cette politique salariale est à mettre en regard de millions d’euros que peut générer une équipe Data qui fonctionne, et de l’avantage concurrentiel colossal que cela peut procurer à votre entreprise. Et entre parenthèses c’est à mettre en regard aussi du désavantage concurrentiel colossal que peut constituer le fait de ne pas avoir d’équipe Data, ou d’avoir une équipe Data et IA qui ne fonctionne pas…
Voilà, j’espère que cela vous sera utile et à bientôt pour un prochain article ! :)
Comments