Emplois Data Analyst à Toulouse 2026: Guide Candidature

Tu cherches un job de Data Analyst à Toulouse pour 2026, et tu as l’impression que tout le monde demande déjà 3 ans d’expérience, SQL avancé, Power BI, Python, du cloud, et presque la capacité de lire dans le cerveau du CEO. Tu ouvres LinkedIn, tu vois 200 candidats sur une offre, tu refermes l’onglet, puis tu te demandes si tu dois refaire tout ton CV ou changer de ville. Respire, Toulouse a de vraies opportunités data, mais il faut candidater avec méthode.

Emplois Data Analyst à Toulouse 2026: Guide Candidature#

Toulouse n’est pas seulement la ville d’Airbus, du cassoulet et des loyers encore un peu plus doux que Paris. C’est aussi une ville où la data prend de la place dans l’aéronautique, la santé, la mobilité, la banque, le retail, l’énergie, les services publics et les startups B2B.

En 2026, le poste de Data Analyst à Toulouse devrait rester très recherché, surtout pour les profils capables de traduire des données en décisions claires. Pas besoin d’être un génie en machine learning pour commencer, mais tu dois montrer que tu sais manipuler des données, raconter une histoire avec des chiffres, et aider une équipe métier à agir.

Dans ce guide, on va voir :

1. Où sont les opportunités à Toulouse.
2. Les salaires réalistes en 2026.
3. Les compétences à mettre en avant.
4. Comment adapter ton CV et ton LinkedIn.
5. Comment répondre aux offres sans te faire filtrer par les ATS.
6. Comment te préparer aux entretiens.
7. Les erreurs qui coûtent des réponses.

Pourquoi Toulouse est intéressante pour un Data Analyst en 2026#

Toulouse a une particularité forte : beaucoup d’entreprises y manipulent des données complexes. L’aéronautique, le spatial, les transports, la santé, l’assurance, la banque et l’industrie utilisent énormément d’indicateurs.

Tu peux trouver des postes chez de grands groupes, des ESN, des PME industrielles, des scale-ups et des startups. Et contrairement à Paris, tu peux parfois avoir un meilleur équilibre entre salaire, qualité de vie et coût du logement.

Les secteurs qui recrutent le plus

À Toulouse, les opportunités Data Analyst se concentrent souvent dans ces secteurs :

• Aéronautique et spatial : Airbus, ATR, Safran, Thales Alenia Space.
• Énergie et industrie : TotalEnergies, Engie, SPIE, Capgemini Engineering.
• Banque et assurance : BNP Paribas, Crédit Agricole, BPCE, AXA.
• Santé et e-santé : Doctolib, Pierre Fabre, startups medtech.
• Retail et e-commerce : L’Oréal, Decathlon, marketplaces, marques D2C.
• Mobilité et transport : BlaBlaCar, SNCF, acteurs logistiques.
• Tech et cybersécurité : Ledger, Sopra Steria, Atos, Orange Cyberdefense.
• Reconditionné et économie circulaire : Back Market, acteurs locaux ou partenaires data.

Même si toutes ces entreprises n’ont pas forcément un gros bureau data à Toulouse, elles publient régulièrement des offres hybrides, régionales ou via leurs équipes projets. Les ESN locales peuvent aussi te placer sur des missions pour ces clients.

Les types de postes que tu verras

Attention, toutes les offres ne s’appellent pas “Data Analyst”. Tu dois chercher plusieurs intitulés.

Essaie ces mots-clés :

• Data Analyst
• Business Analyst Data
• Analyste BI
• Consultant BI
• Data Visualization Analyst
• Product Data Analyst
• Marketing Data Analyst
• Financial Data Analyst
• Reporting Analyst
• Analyste performance
• Chargé d’études data
• Consultant Power BI
• Analyste SQL

En 2026, beaucoup d’entreprises mélangent les rôles. Une annonce “Business Analyst” peut demander SQL et Power BI. Une annonce “Contrôleur de gestion data” peut être parfaite si tu as un profil finance. Une annonce “Chef de projet BI junior” peut aussi être accessible avec de bons projets data.

Salaires Data Analyst à Toulouse en 2026#

Tu veux du concret, pas des promesses floues. Les salaires changent selon l’entreprise, le niveau, le secteur, le télétravail et ta capacité à prouver ton impact.

Voici des fourchettes réalistes pour Toulouse en 2026 :

Pour un junior, viser 38k€ à 40k€ à Toulouse en 2026 n’est pas absurde si tu as de vrais projets SQL, Power BI/Tableau, et une bonne aisance métier. Si tu viens d’une reconversion sans expérience en entreprise, 34k€ à 38k€ sera plus courant au départ.

Chez un grand groupe comme Airbus, BNP Paribas ou TotalEnergies, tu peux avoir un package plus stable, parfois avec primes, participation, intéressement et avantages. Dans une startup ou scale-up, le salaire peut être bon, mais les attentes sont souvent plus larges : tu dois être autonome vite.

Le piège du salaire junior

Beaucoup de candidats juniors demandent soit trop bas, soit trop haut sans preuve.

Si tu demandes 45k€ avec seulement deux dashboards Power BI faits en formation, ça peut bloquer. Mais si tu demandes 32k€ alors que tu sais faire SQL, Python, dashboarding, analyse business et présentation client, tu te sous-vends.

La bonne approche :

1. Donne une fourchette.
2. Justifie avec tes compétences.
3. Reste ouvert selon le package.

Exemple :

“Pour un poste Data Analyst junior à Toulouse, je vise une fourchette autour de 38k€ à 42k€ brut annuel, selon le périmètre, le télétravail et les avantages. Ce qui m’intéresse surtout, c’est un poste où je peux contribuer rapidement sur SQL, reporting et analyse métier.”

Simple, propre, pas arrogant.

Les compétences indispensables pour décrocher un poste#

Tu n’as pas besoin de tout maîtriser. Mais tu dois avoir un socle solide, visible dans ton CV, ton LinkedIn et tes projets.

1. SQL, le filtre numéro un

SQL reste la compétence la plus demandée. Si tu ne dois travailler qu’une chose cette semaine, travaille SQL.

Tu dois savoir :

• Faire des JOIN.
• Utiliser GROUP BY, HAVING, CASE WHEN.
• Écrire des sous-requêtes.
• Utiliser des CTE.
• Comprendre les fenêtres analytiques avec ROW_NUMBER, RANK, SUM OVER.
• Nettoyer des données.
• Créer des indicateurs business.

Une entreprise veut savoir si tu peux répondre à des questions comme :

• Quel canal marketing génère le plus de clients rentables ?
• Quel produit a le meilleur taux de réachat ?
• Où perd-on des utilisateurs dans le tunnel d’inscription ?
• Quelle région dépasse ses objectifs ?
• Quels clients risquent de partir ?

Pour Toulouse, SQL est partout : banque, assurance, aéronautique, santé, retail, mobilité. Mets-le très haut dans ton CV si tu es à l’aise.

2. Power BI ou Tableau

À Toulouse, Power BI est très demandé, surtout dans les grands groupes, l’industrie, la finance et les ESN. Tableau reste présent, mais Power BI revient souvent dans les annonces.

Tu dois savoir :

• Construire un dashboard lisible.
• Créer des mesures DAX simples.
• Nettoyer avec Power Query.
• Gérer les filtres.
• Faire une page exécutive claire.
• Expliquer tes choix de visualisation.

Erreur fréquente : faire un dashboard joli mais inutile. Un recruteur préfère un dashboard simple avec 4 KPI clairs, plutôt qu’un sapin de Noël impossible à lire.

Exemples de KPI utiles :

• Chiffre d’affaires.
• Marge.
• Taux de conversion.
• Taux de churn.
• Temps moyen de traitement.
• Taux de retard.
• Satisfaction client.
• Coût par acquisition.

3. Python, utile mais pas toujours obligatoire

Python est un gros plus, surtout si tu veux aller vers des postes plus techniques.

Tu dois au minimum connaître :

• pandas
• numpy
• matplotlib ou seaborn
• nettoyage de données
• analyse exploratoire
• automatisation simple
• notebooks propres

Pas besoin de te vendre comme Data Scientist si tu n’as jamais entraîné un modèle proprement. Dis plutôt que tu utilises Python pour nettoyer, analyser et automatiser des tâches.

C’est plus crédible.

4. Excel, oui, encore

Ne méprise pas Excel. Beaucoup de décisions en entreprise passent encore par Excel.

Tu dois être à l’aise avec :

• tableaux croisés dynamiques
• RECHERCHEX
• formules conditionnelles
• Power Query
• graphiques propres
• nettoyage rapide
• contrôle de cohérence

Chez BNP Paribas, L’Oréal, TotalEnergies ou des équipes finance toulousaines, Excel reste souvent présent. Si tu sais relier Excel, SQL et Power BI, tu es beaucoup plus utile qu’un candidat qui ne jure que par Python.

5. Compréhension métier

C’est souvent ce qui différencie un bon candidat d’un candidat moyen.

Un Data Analyst n’est pas payé pour “faire des dashboards”. Il est payé pour aider une équipe à prendre une meilleure décision.

Tu dois montrer que tu comprends :

• les objectifs business
• les utilisateurs du dashboard
• les KPI importants
• les limites des données
• les actions possibles après l’analyse

Exemple faible :

“J’ai créé un dashboard de ventes.”

Exemple fort :

“J’ai créé un dashboard Power BI pour suivre les ventes par canal, identifier les produits à faible marge et aider l’équipe commerciale à prioriser ses actions. Résultat : réduction du temps de reporting hebdomadaire de 4 heures.”

Tu vois la différence ? Le deuxième donne envie de parler.

Comment construire un CV Data Analyst qui passe les ATS#

Les ATS sont les logiciels qui filtrent les candidatures avant qu’un humain te lise. Si ton CV est joli mais mal structuré, tu peux te faire écarter même si ton profil est bon.

Structure simple du CV

Utilise une structure classique :

1. Titre clair.
2. Résumé professionnel.
3. Compétences techniques.
4. Expériences.
5. Projets data.
6. Formation.
7. Certifications.
8. Langues.

Évite les designs trop créatifs avec colonnes bizarres, icônes partout, jauges de compétences et textes dans des images. Les ATS aiment le simple.

Exemple de titre

Ne mets pas juste “Data”.

Mets plutôt :

• Data Analyst Junior, SQL, Power BI, Python
• Data Analyst, BI & Reporting, Toulouse
• Business Data Analyst, SQL, Power BI, Finance
• Analyste BI, Power BI, DAX, SQL

Ton titre doit matcher l’offre.

Exemple de résumé professionnel

Voici un exemple pour un profil junior :

Data Analyst junior basé à Toulouse, formé à SQL, Power BI, Python et Excel. Expérience en analyse de ventes, reporting KPI et nettoyage de données via projets pratiques. Capable de transformer des données brutes en tableaux de bord clairs pour aider les équipes métier à prendre des décisions rapides.

Pour un profil confirmé :

Data Analyst avec 4 ans d’expérience en BI, reporting et analyse de performance. Solide maîtrise de SQL, Power BI, DAX et Excel, avec expérience dans l’automatisation de reportings et la création de KPI pour équipes finance, marketing et opérations. Basé à Toulouse, disponible pour poste hybride.

Mots-clés à inclure

Selon l’offre, ajoute naturellement :

• SQL
• Power BI
• Tableau
• Python
• Excel
• DAX
• Power Query
• KPI
• reporting
• dashboard
• data visualization
• analyse de performance
• nettoyage de données
• ETL
• BigQuery
• Snowflake
• Azure
• Google Analytics
• Looker Studio
• CRM
• Salesforce
• finance
• marketing
• produit
• opérations

Ne bourre pas ton CV comme une liste de courses. Mais si l’offre demande Power BI, DAX et SQL, ces mots doivent apparaître.

Les expériences doivent montrer l’impact

La formule magique :

Action + outil + objectif + résultat

Exemples :

• Créé un dashboard Power BI de suivi commercial pour 15 utilisateurs, réduisant le reporting manuel de 6h à 1h par semaine.
• Analysé 120k lignes de données clients avec SQL pour identifier les segments à fort taux de churn.
• Automatisé un fichier Excel avec Power Query, diminuant les erreurs de saisie de 30%.
• Construit des KPI hebdomadaires pour l’équipe marketing, utilisés en comité de pilotage.
• Nettoyé et standardisé des données produits avec Python, améliorant la qualité du reporting.

Même si tu n’as pas de vrais chiffres, estime prudemment. “Gain de temps estimé à 3h/semaine” est mieux que rien, tant que c’est honnête.

Que mettre si tu n’as pas encore d’expérience#

Si tu es en reconversion, alternance, sortie de formation ou autodidacte, ton problème n’est pas forcément ton niveau. Ton problème, c’est la preuve.

Tu dois créer des preuves visibles.

Fais 3 projets solides, pas 12 petits projets moyens

Choisis des projets proches des vrais besoins d’entreprise.

Projet 1 : Analyse commerciale

• Dataset de ventes.
• SQL pour requêtes.
• Power BI pour dashboard.
• KPI : CA, marge, panier moyen, évolution mensuelle, top produits.

Projet 2 : Analyse marketing

• Données campagnes.
• Taux de conversion.
• Coût par lead.
• ROI.
• Recommandations concrètes.

Projet 3 : Analyse produit ou churn

• Données utilisateurs.
• Segmentation.
• Rétention.
• Churn.
• Analyse cohortes si possible.

Pour chaque projet, prépare :

• un court résumé
• le problème business
• les outils utilisés
• 3 captures d’écran
• 3 conclusions
• une recommandation

Mets-les sur GitHub, Notion, Google Drive ou un mini portfolio. Pas besoin de créer un site parfait, mais il faut un lien propre.

Exemple de projet bien présenté

Titre : Analyse des ventes e-commerce avec SQL et Power BI

Description :

Analyse d’un dataset de 100k commandes pour identifier les produits les plus rentables, les régions en baisse et les périodes de forte demande. Création d’un dashboard Power BI avec filtres par région, catégorie et mois.

Outils :

• SQL
• Power BI
• DAX
• Excel

Résultats :

• Identification de 3 catégories générant 62% du chiffre d’affaires.
• Mise en évidence d’une baisse de marge sur une gamme produit.
• Proposition de suivi mensuel avec 6 KPI clés.

Là, un recruteur comprend vite que tu sais travailler comme un Data Analyst.

Où trouver des offres Data Analyst à Toulouse#

Ne te limite pas à LinkedIn. Beaucoup de candidats font ça, puis s’étonnent de se retrouver dans une file avec 300 personnes.

Les plateformes à surveiller

Voici une liste utile :

• LinkedIn Jobs
• Welcome to the Jungle
• Indeed
• Apec
• HelloWork
• Glassdoor
• ChooseMyCompany
• France Travail
• Sites carrières des entreprises
• Sites des ESN locales
• Slack ou Discord data francophones
• Communautés Meetup data à Toulouse

Sur LinkedIn, crée plusieurs alertes :

• “Data Analyst Toulouse”
• “Power BI Toulouse”
• “Analyste BI Toulouse”
• “Business Analyst Data Toulouse”
• “Consultant BI Toulouse”
• “SQL Toulouse”
• “Reporting Analyst Toulouse”

Ajoute aussi “hybride” et “remote France”, car certaines boîtes basées à Paris recrutent en télétravail partiel ou quasi total.

Les entreprises à suivre

Surveille régulièrement les pages carrières de :

• Airbus
• ATR
• Safran
• Thales Alenia Space
• Capgemini
• Sopra Steria
• Atos
• Orange Business
• BNP Paribas
• Crédit Agricole
• BPCE
• AXA
• TotalEnergies
• Engie
• Pierre Fabre
• Doctolib
• L’Oréal
• BlaBlaCar
• Back Market
• Ledger

Même si le poste n’est pas toujours à Toulouse, tu peux trouver des offres hybrides, des missions via ESN, ou des postes régionaux. Et parfois, une candidature spontanée bien ciblée déclenche un échange.

Les ESN, bonne ou mauvaise idée ?

Les ESN ont mauvaise réputation chez certains candidats, parfois à raison. Mais pour un Data Analyst junior à Toulouse, elles peuvent être une vraie porte d’entrée.

Avantages :

• accès à des grands comptes
• montée en compétence rapide
• projets variés
• première expérience crédible
• formation interne parfois disponible

Inconvénients :

• mission pas toujours garantie
• salaire parfois plus bas
• contexte client variable
• risque de faire beaucoup de reporting basique

Mon conseil : ne rejette pas automatiquement. Pose les bonnes questions.

Questions à poser :

1. Quel est le client ou le type de client ?
2. Quels outils vais-je utiliser au quotidien ?
3. Quelle part de SQL, Power BI, Excel, Python ?
4. Y a-t-il déjà une équipe data ?
5. Quelle durée de mission ?
6. Qui sera mon manager réel ?
7. Comment se passe l’intercontrat ?
8. Quelle formation est prévue ?

Si les réponses sont floues, prudence.

Comment candidater sans envoyer 100 CV dans le vide#

Tu n’as pas besoin d’envoyer 200 candidatures. Tu as besoin de candidatures mieux ciblées.

La méthode 20 offres

Chaque semaine, fais ceci :

1. Sélectionne 20 offres.
2. Classe-les en trois catégories.
3. Adapte ton CV pour les 8 meilleures.
4. Envoie une candidature propre.
5. Contacte une personne dans l’entreprise.
6. Suis tout dans un tableau.

Catégories :

• A : match fort, tu as 70% des compétences.
• B : match moyen, tu as 50%.
• C : trop loin ou peu motivant.

Concentre ton énergie sur les A et quelques B.

Le message LinkedIn qui marche

Ne fais pas un pavé. Fais court, humain, précis.

Exemple :

Bonjour Camille, j’ai vu l’offre Data Analyst chez [Entreprise] à Toulouse. Mon profil correspond surtout sur SQL, Power BI et reporting KPI. J’ai travaillé sur un projet d’analyse ventes avec dashboard Power BI et recommandations business. Est-ce que je peux vous envoyer mon CV adapté au poste ?

Autre version :

Bonjour Thomas, je m’intéresse aux postes Data Analyst à Toulouse, notamment dans l’aéronautique. J’ai un profil SQL, Power BI, Python, avec projets orientés analyse de performance. Si votre équipe recrute sur des sujets BI ou reporting, je serais ravi d’échanger 10 minutes.

Tu ne demandes pas un job directement. Tu ouvres une porte.

Le suivi de candidature

Crée un tableau avec :

• entreprise
• poste
• lien de l’offre
• date d’envoi
• CV utilisé
• contact LinkedIn
• statut
• relance
• retour reçu
• notes

Relance après 7 à 10 jours.

Message simple :

Bonjour, je me permets de vous relancer concernant ma candidature au poste de Data Analyst à Toulouse. Je reste très intéressé par le poste, notamment pour les sujets SQL, Power BI et analyse de performance. Merci d’avance pour votre retour.

La plupart des gens ne relancent pas. Toi, fais-le.

Préparer les entretiens Data Analyst#

Si tu décroches un entretien, ne viens pas seulement avec “je suis motivé”. Tout le monde est motivé quand il faut payer le loyer.

Tu dois prouver 4 choses :

1. Tu sais analyser.
2. Tu sais communiquer.
3. Tu sais utiliser les outils.
4. Tu comprends les enjeux métier.

Questions fréquentes

Prépare ces questions :

• Peux-tu te présenter en 2 minutes ?
• Pourquoi Data Analyst ?
• Pourquoi notre entreprise ?
• Explique un projet data dont tu es fier.
• Comment construis-tu un dashboard ?
• Comment vérifies-tu la qualité des données ?
• Quelle différence entre INNER JOIN et LEFT JOIN ?
• Comment calculer un taux de conversion ?
• Que fais-tu si un KPI baisse fortement ?
• Comment expliques-tu une analyse à une équipe non technique ?
• As-tu déjà utilisé Power BI, Tableau ou Looker Studio ?
• Comment gères-tu des données manquantes ?
• Quelle est ta méthode quand une demande métier est floue ?

Réponse type pour présenter un projet

Utilise ce format :

1. Contexte.
2. Problème.
3. Données.
4. Outils.
5. Analyse.
6. Résultat.
7. Ce que tu ferais mieux maintenant.

Exemple :

J’ai travaillé sur un projet d’analyse de ventes e-commerce. Le but était d’identifier les catégories les plus rentables et les régions en baisse. J’ai nettoyé les données dans Excel, utilisé SQL pour créer les agrégations, puis construit un dashboard Power BI. L’analyse a montré que 3 catégories représentaient la majorité du chiffre d’affaires, mais qu’une d’elles avait une marge faible. J’ai recommandé de suivre la marge par catégorie, pas seulement le CA. Si je le refaisais, j’ajouterais une analyse par cohorte client.

Claire, structurée, crédible.

Test technique, à quoi t’attendre

Pour un poste Data Analyst à Toulouse, tu peux avoir :

• test SQL de 30 à 60 minutes
• cas Power BI
• analyse d’un fichier Excel
• étude de cas business
• présentation orale
• questions Python simples
• test de logique

Ne panique pas si tu ne finis pas tout. Les recruteurs regardent aussi ta méthode.

Pendant un cas, explique ton raisonnement :

• “Je commence par vérifier les doublons.”
• “Je regarde les valeurs manquantes.”
• “Je définis le KPI avant de calculer.”
• “Je compare par période pour éviter une conclusion trop rapide.”
• “Je vérifie si l’échantillon est suffisant.”

Ça montre que tu réfléchis comme un analyste.

Adapter ton profil selon ton background#

Chaque candidat a une histoire différente. Ton job, c’est de la transformer en avantage.

Si tu viens du marketing

Tu peux viser :

• Marketing Data Analyst
• CRM Analyst
• Growth Analyst
• Product Analyst
• Web Analyst

Mets en avant :

• acquisition
• conversion
• Google Analytics
• campagnes
• segmentation
• A/B testing
• CRM
• coût par lead
• ROI

Entreprises possibles : L’Oréal, Doctolib, BlaBlaCar, Back Market, startups SaaS.

Si tu viens de la finance

Tu peux viser :

• Financial Data Analyst
• Analyste performance
• Contrôleur de gestion data
• BI finance
• Risk Data Analyst

Mets en avant :

• Excel avancé
• Power BI
• budget
• forecast
• marge
• rentabilité
• reporting mensuel
• contrôle qualité

Entreprises possibles : BNP Paribas, Crédit Agricole, BPCE, AXA, TotalEnergies.

Si tu viens de l’ingénierie ou industrie

Tu peux viser :

• Data Analyst industriel
• Analyste performance opérationnelle
• BI Analyst
• Supply Chain Data Analyst
• Manufacturing Data Analyst

Mets en avant :

• process
• qualité
• production
• délais
• stocks
• maintenance
• KPI opérationnels
• analyse de causes

Entreprises possibles : Airbus, Safran, ATR, Thales Alenia Space, Capgemini Engineering.

Si tu es en reconversion

Ton angle doit être très clair :

• ancien métier
• compétences transférables
• formation data
• projets concrets
• motivation logique

Exemple :

Après 5 ans en contrôle de gestion, j’ai renforcé mes compétences en SQL, Power BI et Python pour évoluer vers un poste de Data Analyst. Mon expérience métier me permet de comprendre rapidement les besoins finance et de créer des reportings utiles aux décisions.

C’est beaucoup plus fort que :

“Je suis passionné par la data.”

La passion, c’est bien. La preuve, c’est mieux.

Les erreurs qui te font perdre des entretiens#

Tu peux avoir un bon profil et quand même te saboter. Voici les classiques.

1. Un CV trop général

Si ton CV dit “je cherche un poste dans la data”, c’est trop vague.

Dis plutôt :

Data Analyst junior, SQL, Power BI, Python, basé à Toulouse.

Le recruteur doit comprendre en 5 secondes.

2. Des projets sans résultats

“Dashboard Netflix” ou “analyse Titanic” ne suffisent plus si tu ne racontes pas l’intérêt business.

Ajoute toujours :

• question de départ
• méthode
• KPI
• conclusion
• recommandation

3. Trop d’outils, pas assez de maîtrise

Évite de lister 25 technologies si tu ne sais pas les expliquer.

Mieux vaut :

• SQL bon niveau
• Power BI bon niveau
• Excel solide
• Python bases utiles

Que :

• SQL, Python, R, Scala, Spark, AWS, Azure, GCP, Snowflake, Databricks, Kubernetes, et tu bloques sur un LEFT JOIN.

4. Ne pas personnaliser

Même une petite personnalisation change tout.

Dans ton CV, adapte :

• titre
• résumé
• ordre des compétences
• expériences mises en avant
• mots-clés de l’offre

Dans ton message, mentionne :

• l’entreprise
• le poste
• un besoin visible
• ton match principal

5. Oublier la communication

Un Data Analyst doit expliquer. Si tu es trop technique, tu risques de perdre le recruteur métier. Si tu es trop vague, tu perds le recruteur technique.

Entraîne-toi à expliquer un projet à :

• un recruteur RH
• un manager data
• un directeur commercial
• un ami qui ne connaît rien à SQL

Si les quatre comprennent, tu es prêt.

Plan d’action sur 30 jours#

Tu veux avancer sans t’éparpiller ? Voici un plan simple.

Semaine 1 : base CV et LinkedIn

• Mets un titre clair.
• Réécris ton résumé.
• Ajoute SQL, Power BI, Excel, Python.
• Quantifie tes expériences.
• Mets Toulouse et mobilité hybride.
• Ajoute 1 à 3 projets.
• Active les alertes emploi.

Semaine 2 : projets et portfolio

• Choisis un projet principal.
• Nettoie ton dataset.
• Fais 10 requêtes SQL utiles.
• Crée un dashboard Power BI.
• Rédige 5 conclusions.
• Publie le projet.
• Ajoute le lien au CV.

Semaine 3 : candidatures ciblées

• Sélectionne 20 offres.
• Adapte ton CV pour 8 offres.
• Envoie les candidatures.
• Contacte 8 personnes sur LinkedIn.
• Note tout dans ton tableau.
• Relance les anciennes candidatures.

Semaine 4 : entretiens

• Révise SQL.
• Prépare ta présentation 2 minutes.
• Prépare 2 projets à raconter.
• Fais un test Power BI.
• Prépare tes prétentions salariales.
• Simule un entretien avec quelqu’un.
• Améliore ton CV selon les retours.

Répète ce cycle chaque mois. Tu vas progresser vite, et surtout tu vas arrêter de candidater au hasard.

Le mot de la fin#

Trouver un emploi Data Analyst à Toulouse en 2026, ce n’est pas juste “avoir fait une formation data”. C’est montrer que tu peux prendre des données sales, en sortir des KPI fiables, créer une visualisation claire, puis expliquer ce que l’équipe doit faire ensuite.

SQL, Power BI, Excel, un peu de Python, des projets propres, un CV lisible, des candidatures ciblées, et tu es déjà devant beaucoup de candidats.

Si tu veux éviter de te faire filtrer bêtement par les ATS avant même qu’un recruteur voie ton profil, teste ton CV maintenant avec l’outil gratuit de JobRise : vérifie ton CV avec le Free ATS Checker.