Data Analyst CDI à Paris

Toutes les villes de ce guide se définissent par un noyau : le voyage à Nice, la mer à Marseille, l’agronomie à Montpellier. Paris se définit par le contraire — l’absence de noyau unique, remplacée par la coexistence de tous.

C’est la seule métropole française où le data analyst peut, sans changer de ville, travailler la donnée de marché d’une banque mondiale, l’actuariat d’un assureur, le product analytics d’une scale-up, l’attribution d’une régie publicitaire, la donnée client d’une maison de luxe, la statistique nationale d’un institut public ou la fréquentation d’un réseau de transport.

Cette diversité, aucun bassin de province ne l’offre : c’est elle, plus qu’un secteur, qui fait le marché parisien.

Il faut d’emblée corriger une idée reçue, car elle piège jusqu’aux Parisiens : les sièges des grandes banques ne sont pas à La Défense. BNP Paribas, la Société Générale et le CIC ont leur siège dans le 9e arrondissement, autour de l’Opéra et de la gare Saint-Lazare, un quartier de finance historique où se mêlent aujourd’hui l’adtech et le logiciel.

La Défense, à l’ouest, sur Puteaux et Courbevoie, réunit plutôt les grands cabinets d’audit, des sociétés de conseil, l’énergie et la publicité. Cette géographie précise a son importance : à Paris, plus qu’ailleurs, le « siège parisien » d’un employeur se trouve souvent dans une autre commune — à Montrouge, à Issy-les-Moulineaux, à Nanterre, à Levallois ou à Courbevoie — et le savoir change une recherche d’emploi.

Le vivier suit cette échelle : la plus forte densité française d’écoles et de laboratoires de la donnée, de l’ENSAE à Polytechnique, de Dauphine à la Sorbonne, alimente sans relâche un marché qui reste, de loin, le premier de France par le volume d’offres.

Le panorama qui suit nomme, pôle par pôle, les employeurs relevés au registre officiel — avec la commune exacte de leur siège, et le rappel constant que les effectifs déclarés valent pour un réseau entier — avant d’aborder des rémunérations qui, seul cas de ce guide, se situent un peu au-dessus de la moyenne des régions.

Sur la rémunération, Paris fait exception à une règle valable partout ailleurs dans ce guide. Comme dans les autres villes, il n’existe pas de barème « data analyst » propre à la capitale : le repère reste la fiche métier nationale de l’APEC, qui situe quatre rémunérations sur cinq entre 33 000 et 53 000 euros bruts par an, moyenne autour de 43 000 euros une fois le variable ajouté au fixe.

Mais, contrairement aux régions, l’Île-de-France se situe au-dessus de cette moyenne : les baromètres de rémunération des cadres publiés par l’APEC documentent, d’une année sur l’autre, un écart en faveur de la région capitale, que l’on assume ici sans lui prêter de chiffre parisien précis — inventer une bande « spécifique Paris » serait aussi faux qu’ailleurs.

Les paliers du tableau ci-dessous se lisent donc comme des ordres de grandeur nationaux, tirés vers le haut de la fourchette pour tenir compte de cette réalité francilienne, et non comme un relevé mesuré. Un rappel s’impose enfin, car il pèse plus que la géographie : le secteur reste déterminant.

Un poste sur la donnée de marché d’une banque, un poste de product analytics dans une scale-up et un poste en statistique publique ne se rémunèrent pas de la même façon sous un même intitulé, la part variable et les usages de chaque milieu faisant l’écart. Le calcul se tient en brut annuel ; le taux journalier ne concerne que le freelance.

Commençons par la finance, et par le 9e arrondissement, son cœur historique. Boulevard des Italiens, BNP Paribas ; boulevard Haussmann, la Société Générale ; avenue de Provence, le CIC : trois grandes banques dont le siège est bien dans Paris, et non à La Défense comme on le croit souvent. La donnée y est celle du risque de crédit et de marché, de la conformité et de la lutte contre la fraude, à l’échelle d’un réseau national et de marchés mondiaux.

Dans le 13e, sur la rive gauche, l’organe central BPCE et sa banque de financement Natixis prolongent ce paysage, quand La Banque Postale tient le sien dans le 6e et que la fintech Qonto, dans le 9e également, travaille une donnée transactionnelle de paiement pour les entreprises. C’est la plus forte concentration bancaire du pays, et l’un des premiers gisements de postes data.

L’assurance et l’actuariat forment un deuxième pôle, mais éclaté sur la couronne, ce qui oblige à nommer les communes. Le groupe AXA a sa holding avenue Matignon, dans le 8e, mais l’employeur qui manie vraiment la donnée est AXA France, à Nanterre, sur la tarification et la sinistralité, doublé d’AXA Group Operations, dans le 17e, pour l’informatique et la donnée mutualisées du groupe.

CNP Assurances est à Issy-les-Moulineaux, sur le provisionnement de l’assurance vie ; Amundi, dans le 15e, sur la donnée de marché de la gestion d’actifs ; et Groupama tient dans le 8e son entité de services informatiques. Le vocabulaire y est celui de la modélisation et du reporting réglementaire.

Vient la tech, et une matière différente : le product analytics. À Levallois-Perret, Doctolib fait de la donnée d’usage de sa plateforme d’e-santé un métier ; dans le 12e, à Bercy, l’éditeur Dataiku conçoit une plateforme de science des données et d’apprentissage automatique ; dans le 16e, Mirakl outille les places de marché ;

dans le 11e, BlaBlaCar travaille la donnée de mobilité partagée, et dans le 18e, Back Market celle du reconditionné. Contentsquare, dans le 8e, mesure l’expérience digitale. Ici, la donnée est celle du produit, de l’expérimentation et de la mesure à grande échelle.

À leurs côtés, les bureaux français des géants du numérique — Google dans le 9e, Microsoft à Issy-les-Moulineaux, les services cloud d’Amazon à Courbevoie — ajoutent une demande data continue, tandis que l’adtech tient une place forte dans le 9e, avec Criteo sur l’attribution publicitaire et Datadog sur l’observabilité et la télémétrie logicielle.

Le luxe et la distribution forment un pôle proprement parisien, celui de la donnée client. Avenue Montaigne, LVMH tient la tête d’un groupe dont la donnée vit surtout dans les Maisons ; rue de Sèvres, Kering ; rue Royale et sur son campus de Clichy, L’Oréal, pionnier d’une « beauty tech » faite de relation client, d’e-commerce et de personnalisation ;

à Neuilly-sur-Seine, Sephora, sur la donnée d’un réseau de magasins ; faubourg Saint-Honoré, Hermès. À Massy, en Essonne, Carrefour pilote une donnée de distribution et de connaissance client à l’échelle nationale. Les sièges mondiaux du luxe concentrent là une donnée de marque et de client qu’on ne trouve nulle part ailleurs.

Un pôle public et national achève de distinguer Paris. À Montrouge, aux portes du 14e, la direction générale de l’INSEE pilote la statistique nationale — celle qui produit les grands indicateurs du pays —, un rôle distinct de la statistique publique enseignée à Rennes, et doublé, à Palaiseau, de l’école qui forme ses cadres.

La donnée de mobilité s’y traite à une échelle sans équivalent : la RATP, quai de la Rapée dans le 12e, exploite un réseau multimodal de métro, de RER, de tramway et de bus, quand SNCF Voyageurs, à Saint-Denis, porte la donnée de flux du transport ferroviaire national. À Issy-les-Moulineaux se massent les opérateurs de télécommunications et de médias, d’Orange au Groupe Canal+, sur la donnée de réseau et d’audience.

Reste la couche de conseil et de service, la plus dense de France, qui donne accès en mission à tous ces univers. Elle se lit par quartiers : les grands cabinets d’audit sur l’anneau de La Défense — à Puteaux, à Courbevoie, à Neuilly —, les sociétés de services numériques de Capgemini, à Issy-les-Moulineaux, à Accenture, dans le 13e ;

c’est un fait de marché, sans jugement de valeur, et l’un des premiers pourvoyeurs de missions data du pays. On ajoutera, comme fait d’écosystème et non comme employeur, que le plus grand campus de startups d’Europe, Station F, occupe la halle Freyssinet dans le 13e, et que l’open data national se pilote depuis l’administration parisienne.

Un mot, enfin, sur la logique de quartiers, car elle structure la recherche d’emploi autant que les secteurs. Le 9e mêle la banque historique et la nouvelle vague de l’adtech et du logiciel ; le 8e superpose l’assurance, le luxe et la publicité ; le 13e associe la finance de la rive gauche, le conseil et le campus de startups ;

le 12e, autour de Bercy, réunit l’éditeur de données et la mobilité. Un corridor entier, le long du quai à Issy-les-Moulineaux, aligne les télécoms, l’informatique et le média, quand l’anneau de La Défense concentre l’audit, l’énergie et une partie du conseil. Cette carte par quartiers est propre à la capitale : nulle part ailleurs la donnée ne se lit autant à l’adresse.

En somme, la carte à retenir avant de postuler : la banque dans le 9e ; l’assurance de Nanterre à Issy ; la tech de Levallois à Bercy ; le luxe dans le 8e et le 7e ; la statistique nationale à Montrouge ; la mobilité dans le 12e et à Saint-Denis ; le conseil sur l’anneau de La Défense. Derrière la seule ligne « data analyst à Paris » se cachent ainsi tous les mondes de la donnée à la fois — et des adresses qui ne sont pas toujours dans Paris.

À Paris, plus que la maîtrise d’un outil, c’est la capacité à passer d’un monde de données à un autre qui définit le data analyst — car ces mondes cohabitent, et chacun a sa grammaire. La banque et l’assurance parlent le langage du risque, de la modélisation et du reporting réglementaire, avec un outillage historique où le SAS reste présent aux côtés de SQL et de Python.

La tech et les scale-up parlent celui du produit, de l’expérimentation et de la donnée temps réel, avec des entrepôts modernes et des chaînes de transformation. L’adtech manie l’attribution et la mesure à grande échelle ; le luxe, la donnée client et le CRM ; la statistique publique, la méthodologie d’enquête et les séries longues.

Le socle commun — SQL, Python ou R, une brique de restitution — ne suffit donc jamais à départager : c’est la familiarité avec le vocabulaire et les cadres d’un secteur qui fait la différence.

Deux traits sont propres à la place parisienne. Le premier est l’anglais, souvent indispensable : les sièges internationaux de la banque de marché, du luxe et des géants du numérique fonctionnent en anglais, et beaucoup d’offres l’exigent au-delà d’un simple niveau de lecture.

Le second est la profondeur du marché : la densité des employeurs et des écoles crée une exigence de spécialisation plus forte qu’en région, où un même poste couvre souvent plusieurs facettes. À Paris, on attend fréquemment un profil déjà orienté — vers le risque, vers le product, vers le marketing — et il vaut mieux le savoir avant de candidater.

Reste la frontière du métier, qu’il est utile de rappeler tant les intitulés se recouvrent, et tant elle est mouvante sur un marché aussi vaste. Le data analyst éclaire la décision à partir de données existantes ; le data engineer construit et fiabilise les flux ; le data scientist bâtit des modèles prédictifs.

À Paris, ces rôles se déclinent en de multiples variantes — analyste risque, product analyst, analytics engineer, chargé d’études statistiques — et une candidature gagne à situer précisément celle qu’elle vise.

Paris et l’Île-de-France offrent la plus forte densité française d’écoles et de laboratoires de la donnée, et c’est un atout autant qu’une concurrence.

Le sommet de cette pyramide est à Palaiseau, au sud, où l’ENSAE — l’école de la statistique et de l’administration économique, qui forme les cadres de l’INSEE — voisine avec l’École polytechnique et Télécom Paris, réunies dans un même campus scientifique tourné vers la donnée et l’intelligence artificielle.

Dans Paris même, l’université Paris-Dauphine, adossée à PSL, forme aux mathématiques de la décision et à la science des données ; Sorbonne Université abrite un institut de statistique reconnu, et l’École normale supérieure comme l’université Paris Cité complètent l’offre académique.

Au-delà de ces institutions phares, le tissu de formation est d’une richesse sans équivalent : le Conservatoire national des arts et métiers, très présent en formation continue, de nombreux masters d’économétrie et de statistique, des écoles d’ingenieurs et de commerce dotées de parcours data.

Cette abondance produit chaque année des cohortes nombreuses, ce qui rend le marché à la fois riche en opportunités et exigeant : la concurrence entre jeunes diplômés y est plus vive qu’en région.

C’est aussi ce qui explique l’importance de la spécialisation et du réseau. Beaucoup de premières expériences se nouent en stage ou en alternance au sein des grands employeurs — banques, scale-up, cabinets de conseil —, souvent au contact direct des équipes data, avant de basculer en contrat à durée indéterminée.

Pour un candidat, sortir du lot sur un marché aussi profond suppose de montrer non seulement des compétences, mais un secteur et un type de donnée déjà pratiqués.

Chercher un poste de data analyst à Paris, c’est d’abord accepter que le marché est trop vaste pour être abordé « en général » : il faut viser un univers. Le candidat attiré par la finance regardera la banque du 9e et l’assurance de la couronne ; celui que la tech appelle, les scale-up de Levallois à Bercy et les bureaux des géants du numérique ;

celui que la donnée client séduit, les sièges du luxe et de la distribution ; celui que le service public mobilise, la statistique nationale de Montrouge et la mobilité. Sur un marché aussi profond, les employeurs attendent souvent un profil déjà orienté : le dire clairement, plutôt que de se présenter comme généraliste, fait gagner du temps de part et d’autre.

Un mot de géographie, ensuite, car il est ici plus décisif qu’ailleurs. Le « siège parisien » d’un employeur est souvent dans une autre commune : l’INSEE et le Crédit Agricole à Montrouge, Microsoft et Orange à Issy-les-Moulineaux, AXA France à Nanterre, Doctolib à Levallois, les services cloud d’Amazon et plusieurs grands cabinets à Courbevoie, SNCF à Saint-Denis.

Lire l’adresse exacte d’une offre — arrondissement ou commune — évite bien des trajets et cible mieux la candidature.

C’est sur un tel marché que BinchamTalent prend tout son sens. Face à des milliers d’annonces et à une concurrence dense, le Talent gagne à ne pas se disperser : il rend visible, une fois, un dossier de compétences précis — son secteur, ses outils, son niveau d’anglais, le type de donnée qu’il pratique — et laisse les recruteurs approuvés venir à lui.

La mise en relation se fait en direct, rien n’est prélevé sur la rémunération négociée, et le dossier reste modifiable et supprimable à tout moment. À Paris plus qu’ailleurs, être trouvé par le bon univers vaut mieux que se noyer dans la masse des candidatures.