Mission freelance data scientist à Toulouse (2026)

Un data scientist freelance intervenant sur les projets FOQA (Flight Operational Quality Assurance) d'Airbus Digital se positionne entre 650 et 950 €/j (indicatif) selon son niveau et son expérience spécifique. Les données FOQA sont des séries temporelles haute fréquence (plusieurs centaines de capteurs, fréquence d'échantillonnage de l'ordre du Hz) enregistrées par les Flight Data Recorders sur chaque vol commercial — Airbus collecte ainsi des milliards de points de données par jour sur sa flotte mondiale. Les modèles ML utilisés sur ces données portent sur la détection d'anomalies précurseurs de défaillance (Autoencoder LSTM sur des fenêtres glissantes de paramètres moteur), la prédiction de durée de vie résiduelle des composants (Remaining Useful Life, architectures BiLSTM ou Transformer sur les séquences de dégradation), et la classification d'événements de vol anormaux (exceedances). La prime tarifaire pour ces profils s'explique par la double rareté : maîtrise de PyTorch + expérience des séries temporelles de capteurs aéronautiques + culture de la sécurité des données dans un contexte DO-178C/DO-254.

Le CNES, dont le Centre Spatial de Toulouse est le siège opérationnel, génère des missions data science autour de plusieurs problèmes ML spécifiques. La détection d'anomalies sur les données de capteurs des lanceurs Ariane 6 et Vega-C : pendant les phases de lancement, des milliers de capteurs (pression, température, débit, vibrations, position) génèrent des séries temporelles à très haute fréquence. Des modèles d'anomaly detection (LSTM Autoencoder, Isolation Forest, One-Class SVM calibrés sur des données de lancement nominal) doivent identifier les comportements anormaux qui indiquent un risque de défaillance — avec une contrainte de zéro faux négatif. La classification de signaux de télémétrie : modèles de classification multi-classe pour catégoriser les événements enregistrés durant les phases de séparation des étages. La classification d'images satellitaires : segmentation d'images Pléiades et Sentinel pour des applications d'observation de la Terre (CNES opère plusieurs satellites d'observation). Ces missions requièrent une maîtrise des séries temporelles Python (tsfresh, tslearn, PyTorch Time Series), des formats de données spatiales (STAC, COG, HDF5 pour les données de télémétrie), et une culture de la sécurité/fiabilité des systèmes spatiaux.

Météo-France, dont le centre de calcul et d'opérations est à Toulouse, est l'un des pionniers français du deep learning appliqué à la prévision numérique du temps (NWP). Les projets de data science portent sur plusieurs axes. La descente d'échelle statistique (downscaling) : des architectures U-Net et Vision Transformer apprennent à 'super-résoudre' les sorties du modèle global ARPÈGE (résolution 10 km) vers une résolution fine (1-2 km), en apprenant depuis les données des stations météo haute résolution. La correction de biais : des modèles de gradient boosting (LightGBM) et de deep learning corrigent systématiquement les biais des modèles numériques NWP sur chaque point de grille et chaque échéance de prévision. Les prévisions d'ensemble : des méthodes de post-processing ML transforment les sorties d'ensemble (PEARP — 35 membres) en probabilités calibrées de phénomènes météo extrêmes. Ces projets mobilisent des volumes massifs de données (plusieurs pétaoctets de données NWP historiques) et requirent une maîtrise de xarray et zarr pour les données en grille, de PyTorch/Lightning pour l'entraînement distribué, et une connaissance des formats GRIB2 et NetCDF. Les données et une partie du code sont publiés open-source, permettant aux data scientists freelances de se préparer en amont.

Toulouse réunit sur quelques kilomètres carrés (le campus Montaudran Aerospace, le Centre Spatial de Toulouse, le siège de Météo-France) une concentration de problèmes de data science qui n'existe nulle part ailleurs simultanément : données de vol aéronautique temps réel (Airbus Digital, Thalès Avionics), données de télémétrie spatiale de lanceurs (CNES, ArianeGroup), prévision numérique du temps à l'échelle mondiale (Météo-France, CLS), observation de la Terre par satellite (Thales Alenia Space, Airbus Defence & Space). Ces verticaux partagent des caractéristiques techniques communes — séries temporelles haute fréquence, contraintes de sécurité extrêmes, données rares avec peu d'événements anormaux étiquetés, nécessité de l'explicabilité (EU AI Act pour les systèmes critiques) — qui forment un profil de data scientist qualifié unique. Un freelance toulousain ayant travaillé sur ces sujets dispose d'un portfolio que seuls quelques centaines de data scientists au monde peuvent présenter. Sur Paris ou Lyon, ces profils sont immédiatement recrutés et négocient leurs TJM depuis une position de force.

Avec BinchamTalent, votre dossier est visible directement par les Heads of Data, CDO et CTO qui lancent des projets data science, sans intermédiaire commercial. Vous négociez votre TJM en direct — sans marge d'ESN prélevée (typiquement 20-40 % du TJM facturé au client final). Le contrat est signé en direct avec l'entreprise cliente. BinchamTalent vérifie les recruteurs et leur sérieux, mais n'intervient pas dans la relation contractuelle une fois la mise en contact établie. En pratique, cela se traduit par une rémunération nette plus élevée pour des missions équivalentes, et une relation directe avec les équipes data — vous évitez les commerciaux d'ESN qui résument votre profil en quelques lignes et vous font parfois passer pour une ressource générique au lieu d'un expert spécialisé.

Oui, la data science est l'une des spécialités numériques où le full remote est le plus normalisé. Les livrables — modèles ML, notebooks documentés, APIs de scoring, rapports d'expérimentation — sont intégralement numériques et compatibles avec le travail à distance. En 2026, environ 65 à 70 % des missions freelance data science proposent le remote complet ou un hybride (1 jour sur site par semaine pour les réunions stratégiques et les ateliers métier). Les rares missions qui imposent du présentiel intensif concernent des projets sensibles (données de défense classifiées, données de santé très strictement encadrées) ou des phases de démarrage de mission nécessitant une immersion dans l'environnement technique et métier du client. BinchamTalent indique clairement pour chaque mise en contact les conditions de travail attendues par le recruteur, afin que vous n'ayez pas de mauvaise surprise une fois la discussion engagée.