Salaire Data Scientist France 2026: Grille Complète

Tu veux savoir si le salaire de data scientist qu’on te propose est correct, ou si on essaie juste de te vendre le fameux “super projet IA” payé comme un poste junior en alternance. Et franchement, en 2026, c’est devenu flou : entre les startups qui promettent des BSPCE, les grands groupes comme BNP ou TotalEnergies qui ont des grilles internes, et les profils GenAI qui font grimper les compteurs, tu peux vite te perdre.

Salaire Data Scientist France 2026 : la grille rapide#

Avant de rentrer dans les détails, voilà la grille réaliste des salaires bruts annuels en France pour un data scientist en 2026.

Ces montants concernent le salaire fixe brut annuel. Il faut ensuite ajouter, selon l’entreprise :

• bonus annuel,
• participation,
• intéressement,
• stock-options ou BSPCE,
• avantages type télétravail, mutuelle, RTT, budget formation,
• prime de signature dans certains cas rares.

En gros, si tu es data scientist junior à Paris et qu’on te propose 36k€, tu peux clairement négocier. Si tu es senior avec de vrais projets production, MLOps, GenAI, cloud, et qu’on te propose 62k€ à Paris, là aussi, il faut poser des questions.

Pourquoi les salaires data scientist changent autant en 2026#

Le métier de data scientist a beaucoup changé. Avant, beaucoup d’offres demandaient Python, pandas, scikit-learn, un peu de SQL, et la capacité à présenter des modèles en réunion.

En 2026, les entreprises veulent souvent plus :

• construire des modèles utiles,
• déployer en production,
• mesurer l’impact business,
• travailler avec les équipes produit,
• comprendre le cloud,
• utiliser ou adapter des modèles GenAI,
• expliquer les risques aux métiers,
• respecter les contraintes RGPD et sécurité.

Donc le salaire dépend moins du titre “Data Scientist” que de ce que tu sais vraiment faire.

Deux personnes peuvent avoir le même intitulé, mais pas du tout le même salaire :

1. Une personne fait surtout des analyses exploratoires et des notebooks.
2. Une autre conçoit des modèles, les met en production, suit leur performance, travaille avec les équipes backend et produit.

La deuxième sera souvent payée 10k à 25k€ de plus à expérience égale.

Salaire data scientist junior en France#

Un data scientist junior en France gagne généralement entre 38k et 48k€ brut annuel en 2026.

À Paris, la fourchette monte plutôt entre 42k et 52k€.

Profil junior typique

Tu es junior si tu as :

• moins de 2 ans d’expérience,
• un master, une école d’ingénieur ou un doctorat récent,
• quelques stages ou alternances,
• des projets Python / SQL,
• des bases en machine learning,
• peu ou pas d’expérience production.

Tu peux venir d’une école comme Télécom Paris, CentraleSupélec, ENSAE, EPITA, Epitech, Polytechnique, Dauphine, Sorbonne, ou d’un master data science. Mais attention, le diplôme aide surtout au début. Après 2 ou 3 ans, ce sont tes projets qui parlent.

Exemples de salaires junior

Voici des fourchettes réalistes :

• Startup early-stage à Lyon : 38k à 44k€
• Scale-up à Paris type Back Market ou Doctolib : 45k à 52k€
• Banque type BNP Paribas ou Société Générale : 42k à 50k€
• Grand groupe comme L’Oréal ou TotalEnergies : 43k à 52k€
• Cabinet de conseil data : 40k à 48k€

Si tu as fait une alternance solide avec du SQL, Python, Airflow, dbt, AWS ou GCP, tu peux viser le haut de la fourchette.

Si ton profil est surtout académique, avec des notebooks de recherche mais peu d’expérience en entreprise, tu risques de commencer plus bas.

Salaire data scientist confirmé : le vrai palier#

Le niveau confirmé, entre 2 et 5 ans d’expérience, est souvent le moment où ton salaire peut vraiment grimper.

En France, tu peux viser entre 48k et 65k€ brut annuel. À Paris, plutôt entre 55k et 72k€.

Ce qu’on attend de toi

À ce niveau, tu ne dois plus seulement “faire tourner un modèle”.

On attend que tu saches :

• cadrer un problème métier,
• nettoyer et préparer des données sans paniquer,
• choisir une méthode adaptée,
• challenger une demande inutile,
• expliquer tes résultats simplement,
• livrer quelque chose qui sert vraiment,
• travailler avec des data engineers ou des développeurs,
• suivre les performances d’un modèle.

C’est aussi là que la négociation devient intéressante. Si tu sais montrer que ton travail a généré du chiffre, réduit des coûts, augmenté une conversion, diminué du churn, ou amélioré une prédiction, tu as beaucoup plus de poids.

Exemples de salaires confirmés

• Data scientist 3 ans chez BNP à Paris : 55k à 65k€
• Data scientist 4 ans chez Doctolib : 60k à 72k€
• Data scientist 3 ans chez BlaBlaCar : 58k à 70k€
• Data scientist marketing chez L’Oréal : 55k à 68k€
• Data scientist énergie chez TotalEnergies : 58k à 72k€
• Data scientist dans une PME à Nantes : 48k à 58k€

Le piège à ce niveau, c’est de rester trop longtemps sur un poste où tu fais toujours la même chose. Si après 4 ans tu fais encore uniquement des dashboards et des modèles jamais mis en production, ton salaire va plafonner.

Salaire data scientist senior en 2026#

Un data scientist senior gagne généralement entre 65k et 85k€ en France, et entre 72k et 95k€ à Paris.

Certains profils peuvent dépasser 100k€, mais il faut souvent une spécialisation rare, une forte expérience production, ou un rôle proche du lead.

Ce qui fait passer senior

Tu n’es pas senior juste parce que tu as 6 ans d’expérience. Tu es senior si les équipes viennent te voir quand le sujet devient compliqué.

Un senior sait :

• choisir entre plusieurs approches techniques,
• dire non à un modèle trop complexe,
• aider les juniors,
• construire des standards d’équipe,
• discuter architecture avec les engineers,
• expliquer un modèle à des métiers non techniques,
• gérer la dette technique data,
• identifier les risques avant qu’ils explosent.

Un bon senior ne balance pas “on va utiliser un modèle XGBoost” dès la première réunion. Il commence par demander : “On essaie de résoudre quel problème, avec quelle donnée, pour quelle décision ?”

Et ça, les entreprises le paient.

Exemples de salaires senior

• Senior Data Scientist chez Back Market : 75k à 95k€
• Senior Data Scientist chez Ledger : 80k à 105k€
• Senior Data Scientist chez Doctolib : 78k à 100k€
• Senior Data Scientist chez BNP : 70k à 90k€
• Senior Data Scientist chez TotalEnergies : 75k à 95k€
• Senior Data Scientist en région : 65k à 82k€

Les profils qui touchent le haut de la grille ont souvent une double compétence :

• machine learning + cloud,
• machine learning + produit,
• machine learning + GenAI,
• machine learning + finance,
• machine learning + cybersécurité,
• machine learning + optimisation industrielle.

Lead Data Scientist : salaire et attentes#

Un lead data scientist gagne souvent entre 80k et 110k€ en France. À Paris, tu peux viser entre 90k et 125k€.

Le lead reste technique, mais il commence à piloter les autres.

Missions typiques d’un lead

Tu peux être amené à :

1. répartir les sujets dans l’équipe,
2. relire le travail des data scientists,
3. poser des standards techniques,
4. discuter roadmap avec le produit,
5. arbitrer entre vitesse et qualité,
6. suivre les projets en production,
7. recruter des profils data,
8. présenter les résultats à la direction.

Le gros changement, c’est que tu n’es plus seulement évalué sur tes propres modèles. Tu es évalué sur la capacité de l’équipe à livrer mieux, plus vite, avec moins de chaos.

Salaire lead selon entreprise

• Lead Data Scientist chez BlaBlaCar : 90k à 120k€
• Lead Data Scientist chez Doctolib : 95k à 125k€
• Lead Data Scientist chez Ledger : 100k à 135k€
• Lead Data Scientist chez L’Oréal : 90k à 115k€
• Lead Data Scientist chez BNP : 85k à 110k€
• Lead Data Scientist dans une scale-up parisienne : 90k à 130k€

À ce niveau, tu peux aussi avoir une part variable plus importante. Dans certains groupes, le bonus peut représenter 8 à 20% du salaire fixe.

Staff, Principal et Head of Data Science#

Là, on arrive dans les rôles très bien payés, mais aussi plus rares.

Staff ou Principal Data Scientist

Un Staff ou Principal Data Scientist gagne souvent entre 100k et 140k€ en France, et jusqu’à 160k€ à Paris dans les entreprises très tech.

Ce rôle est pensé pour les personnes qui veulent rester très techniques, sans forcément gérer une grosse équipe.

Tu travailles sur :

• les choix d’architecture ML,
• les projets à gros impact,
• la qualité des modèles en production,
• les standards internes,
• la stratégie IA,
• l’accompagnement des équipes,
• les choix build vs buy,
• les risques techniques.

Chez Ledger, Doctolib, Back Market ou certaines équipes de grandes banques, ce type de profil peut être très bien payé, surtout si tu touches à la GenAI, à la fraude, au risque, à la recommandation ou à la sécurité.

Head of Data Science

Un Head of Data Science gagne souvent entre 110k et 170k€ brut annuel. À Paris, la fourchette peut aller de 130k à 200k€ dans les plus grosses structures.

Mais attention, ce n’est plus le même métier.

Tu passes beaucoup de temps sur :

• la stratégie,
• le management,
• le recrutement,
• les budgets,
• les arbitrages,
• la communication avec le COMEX,
• la priorisation,
• les objectifs business.

Tu codes beaucoup moins. Si tu adores passer tes journées dans Python, ce rôle peut vite te frustrer.

Salaire data scientist à Paris vs en région#

Paris reste le marché le mieux payé en France, surtout pour les scale-ups, fintechs, healthtechs et grandes entreprises.

Mais la région a progressé, notamment à Lyon, Nantes, Toulouse, Lille, Bordeaux, Rennes, Montpellier et Grenoble.

Fourchettes par ville

La différence Paris vs région tourne souvent autour de 10 à 20%. Mais si tu es en full remote pour une boîte parisienne, tu peux réduire cet écart.

Le full remote change la donne

En 2026, certaines entreprises proposent encore du full remote, mais elles sont plus sélectives.

Tu peux voir trois pratiques :

1. Salaire basé sur Paris, même si tu vis ailleurs.
2. Salaire adapté à ta ville.
3. Salaire national unique avec une fourchette interne.

Si tu habites à Nantes et qu’une entreprise parisienne te propose 75k€ en remote, c’est très bon. Si elle essaie de descendre à 58k€ juste parce que tu n’es pas à Paris, tu peux négocier en montrant ton niveau, pas ton code postal.

Les secteurs qui paient le mieux les data scientists#

Tous les secteurs ne paient pas pareil. Et parfois, le secteur compte autant que ton niveau technique.

Finance et assurance

La finance paie bien, surtout sur :

• scoring risque,
• fraude,
• pricing,
• conformité,
• prévision,
• modèles de crédit.

Chez BNP Paribas, Société Générale, Crédit Agricole, AXA ou CNP Assurances, un data scientist confirmé peut viser 55k à 70k€, et un senior 75k à 95k€.

Le salaire est bon, les avantages aussi, mais les process peuvent être longs. Si tu veux aller vite, tester, déployer chaque semaine, ce n’est pas toujours l’endroit le plus fun.

Tech et scale-ups

Les scale-ups comme Doctolib, Back Market, BlaBlaCar ou Ledger peuvent bien payer les bons profils.

Fourchettes réalistes :

• confirmé : 60k à 75k€,
• senior : 80k à 105k€,
• lead : 95k à 130k€.

La pression peut être plus forte, mais les sujets sont souvent plus proches du produit, avec des données utilisées rapidement.

Luxe, beauté et retail

Chez L’Oréal, Carrefour, Decathlon, Sephora ou des acteurs e-commerce, les data scientists travaillent beaucoup sur :

• recommandation produit,
• prévision des ventes,
• segmentation client,
• personnalisation marketing,
• supply chain,
• pricing.

Les salaires sont bons, mais souvent un peu sous les scale-ups très tech.

Un confirmé peut viser 52k à 68k€, un senior 70k à 90k€.

Énergie et industrie

Chez TotalEnergies, EDF, Engie, Airbus, Thales ou Safran, les sujets data peuvent être très intéressants :

• maintenance prédictive,
• optimisation,
• vision par ordinateur,
• prévision de demande,
• simulation,
• détection d’anomalies.

Les profils avec une bonne culture mathématique et industrielle peuvent bien s’en sortir. Un senior peut viser 75k à 95k€, parfois plus si le sujet est stratégique.

Les compétences qui font monter ton salaire#

Tu veux gagner plus ? Ne te contente pas d’écrire “Python, SQL, Machine Learning” sur ton CV. Tout le monde le met.

Ce qui fait la différence, c’est la combinaison.

Compétences techniques très valorisées

Les recruteurs paient mieux les profils qui maîtrisent :

• Python propre, pas juste des notebooks sales,
• SQL avancé,
• Spark ou Databricks,
• AWS, GCP ou Azure,
• Docker,
• Airflow,
• MLflow,
• Kubernetes si tu es côté MLOps,
• dbt,
• feature stores,
• monitoring de modèles,
• API avec FastAPI,
• LLMs, RAG, embeddings,
• évaluation de modèles GenAI,
• sécurité et confidentialité des données.

Tu n’as pas besoin de tout savoir. Mais si tu peux dire : “J’ai entraîné, déployé et monitoré un modèle utilisé par 50 000 utilisateurs par mois”, ton salaire change.

Compétences business

Les profils rares savent traduire la data en argent.

Exemples :

• “Mon modèle a réduit le churn de 8%.”
• “Notre système de recommandation a augmenté le panier moyen de 5%.”
• “La détection de fraude a économisé 1,2M€ sur un an.”
• “La prévision de stock a réduit les ruptures de 12%.”
• “L’automatisation a fait gagner 20 heures par semaine à l’équipe ops.”

Ça, c’est puissant en entretien. Beaucoup plus que “j’ai testé Random Forest, XGBoost et LightGBM”.

Data scientist GenAI : combien ça paie ?#

Depuis l’explosion des LLMs, beaucoup d’entreprises cherchent des profils capables de faire mieux que brancher une API.

Un data scientist GenAI peut gagner 10 à 20% de plus qu’un data scientist généraliste, si l’expérience est réelle.

Fourchettes GenAI en 2026

• Junior avec projets LLM solides : 45k à 55k€
• Confirmé GenAI : 65k à 85k€
• Senior GenAI : 85k à 115k€
• Lead GenAI : 105k à 140k€
• Principal GenAI : 130k à 170k€

Mais attention, “j’ai fait un chatbot avec LangChain pendant un week-end” ne suffit pas.

Les entreprises cherchent plutôt :

• RAG en production,
• évaluation automatique et humaine,
• gestion des hallucinations,
• sécurité des prompts,
• coûts d’inférence,
• choix des modèles,
• fine-tuning si utile,
• monitoring,
• intégration produit,
• conformité RGPD.

Si tu sais parler de latence, coûts, qualité de réponse et risques métier, là tu passes devant beaucoup de candidats.

Freelance data scientist : TJM en France#

Si tu veux quitter le CDI, le freelance peut payer beaucoup plus, mais avec plus de risques.

En 2026, les TJM réalistes sont :

Un senior à 850€ par jour peut générer un chiffre d’affaires très confortable. Mais tu dois gérer :

• prospection,
• périodes sans mission,
• URSSAF,
• assurance,
• retraite,
• congés non payés,
• comptabilité,
• relation client.

Le freelance est top si tu sais te vendre et si tu as un réseau. Sinon, le CDI reste plus stable.

Comment négocier ton salaire data scientist#

La négociation, ce n’est pas “je veux plus parce que la vie est chère”. Même si, on est d’accord, elle l’est.

Tu dois arriver avec des arguments propres.

Prépare 5 preuves

Avant l’entretien RH, prépare :

1. Tes projets les plus utiles.
2. Les résultats mesurables.
3. Ton niveau technique réel.
4. Les salaires du marché.
5. Les offres concurrentes si tu en as.

Exemple de phrase simple :

“Vu mon expérience de 4 ans, mes projets en production sur AWS, et les fourchettes actuelles pour un profil confirmé à Paris, je vise plutôt une rémunération autour de 68k€ fixe.”

C’est clair, calme, pas arrogant.

Ne donne pas ton ancien salaire trop tôt

Si on te demande ton salaire actuel, tu peux répondre :

“Je préfère me baser sur le périmètre du poste et le marché actuel. Pour ce type de rôle, je vise une fourchette entre 65k et 70k€.”

Tu évites de te faire coincer par ton ancien salaire, surtout si tu étais sous-payé.

Regarde le package total

Un fixe à 70k€ peut être meilleur qu’un fixe à 75k€ si le package inclut :

• bonus fiable,
• télétravail réel,
• RTT,
• budget formation,
• intéressement,
• actions,
• bonne mutuelle,
• horaires raisonnables,
• manager compétent.

Mais attention aux promesses vagues. “Il y aura peut-être des BSPCE plus tard”, ça ne paie pas ton loyer.

Les erreurs qui te coûtent 10k€ par an#

Tu peux être très bon techniquement et quand même mal payé. Souvent, c’est à cause de quelques erreurs classiques.

1. Un CV trop technique mais pas assez business

Si ton CV dit seulement :

• Python,
• SQL,
• TensorFlow,
• classification,
• clustering,

tu ressembles à 500 autres candidats.

Ajoute des résultats :

• “Modèle de churn déployé sur 1,5M clients, gain estimé 900k€.”
• “Pipeline de scoring réduisant le temps de traitement de 6h à 40 min.”
• “RAG interne utilisé par 300 conseillers support.”

2. Accepter la première offre

Si l’entreprise te propose 58k€, elle a souvent une marge. Pas toujours, mais souvent.

Tu peux répondre :

“Merci pour l’offre, le poste m’intéresse vraiment. De mon côté, au vu du périmètre et du marché, je me voyais plutôt autour de 64k€. Est-ce qu’on peut voir ce qui est possible ?”

Simple. Poli. Efficace.

3. Sous-estimer ton expérience non officielle

Tu as peut-être fait du MLOps sans avoir le titre. Tu as peut-être piloté un junior sans être lead. Tu as peut-être cadré des projets avec le métier sans être product manager.

Tout ça compte.

Le recruteur ne va pas deviner. Tu dois le formuler.

Conclusion : combien tu peux vraiment viser en 2026#

Si tu veux une règle simple :

• junior : vise 42k à 52k€ à Paris, 38k à 48k€ en région,
• confirmé : vise 55k à 72k€ à Paris, 48k à 65k€ en région,
• senior : vise 72k à 95k€ à Paris, 65k à 85k€ en région,
• lead : vise 90k à 125k€ à Paris,
• principal ou head : vise 120k€ et plus si ton impact est clair.

Le titre “Data Scientist” ne suffit plus à faire grimper le salaire. Ce qui paie vraiment, c’est ta capacité à résoudre un problème utile, mettre en production, mesurer l’impact, et expliquer tout ça clairement.

Et si tu veux négocier plus haut, commence par ton CV. Un bon CV data scientist doit passer les filtres ATS, montrer tes résultats, et donner envie au recruteur de te classer dans le haut de la grille.

Avant d’envoyer ta prochaine candidature, teste ton CV gratuitement avec l’outil JobRise : https://jobrise.io/fr/free-ats-checker/