Reconversion From Accountant to Data Analyst

Vous êtes comptable et vous passez vos journées dans Excel, mais chaque annonce de data analyst vous demande Python, SQL et un portfolio que vous n'avez pas. Bonne nouvelle : une partie de votre métier est déjà du travail de données. Mauvaise nouvelle : la partie technique s'apprend vraiment, et ça prend du temps.

Voici une carte de transition honnête. Ce qui se transfère, ce qui part de zéro, les projets à construire, et comment raconter votre parcours sans mentir.

Ce que vous apportez déjà#

Ne partez pas de l'idée que vous démarrez de rien. Un comptable manipule des données tous les jours, il les nettoie, les contrôle, les rapproche et les explique à des gens qui ne sont pas techniques.

Les compétences qui se transfèrent directement :

• Le rapprochement de comptes et le contrôle de cohérence, c'est exactement de la validation de données.
• La maîtrise d'Excel avancé : tableaux croisés dynamiques, RECHERCHEX, INDEX, nettoyage de colonnes.
• La lecture d'un référentiel comptable, donc la notion de clé primaire et de cohérence entre tables.
• La restitution à un client ou à un dirigeant non technique. Beaucoup de juniors data plantent ici, pas sur le code.
• La rigueur sur les chiffres et le réflexe de chercher l'erreur de 2 euros dans un flux de 200 000.
• Les notions de conformité, de piste d'audit et de traçabilité des données.

Ce bagage compte. Un recruteur qui lit « contrôle de cohérence sur 40 000 écritures mensuelles » comprend déjà la logique data, même sans le vocabulaire.

Ce qu'il faut apprendre vraiment#

La partie technique, elle, ne s'improvise pas. Un comptable expérimenté qui postule sans SQL se fait recaler au premier filtre automatique.

L'ordre que je conseille :

• SQL, en premier. Sélectionner, joindre, agréger, filtrer. C'est le langage le plus demandé et le plus vite rentable.
• Un outil de visualisation : Power BI ou Tableau. Choisissez-en un, pas les deux.
• Python, seulement ensuite, avec pandas. Utile, mais moins prioritaire que SQL pour un premier poste.
• Les bases du modèle de données : fait, dimension, grain, jointure gauche contre jointure interne.
• La notion de qualité des données : doublons, valeurs manquantes, formats de date incohérents.

Vous pouvez vérifier ce que le marché attend réellement en passant quelques offres au crible avec un décodeur d'offres d'emploi. Ça évite d'apprendre cinq outils dont personne ne vous parlera en entretien.

Trois projets qui prouvent la reconversion#

Un portfolio de trois projets bien choisis vaut mieux que dix tutoriels copiés. Chaque projet doit montrer que vous savez poser une question métier, pas juste écrire du code.

Projet 1 : le rapprochement bancaire automatisé

Prenez un export bancaire fictif (ou des données publiques) et un grand livre de ventes. Construisez un script ou une requête SQL qui rapproche les deux, isole les écarts et sort un tableau de bord des anomalies.

Ce que ça montre : votre métier actuel, traduit en data. Le recruteur voit le pont entre les deux mondes.

Projet 2 : l'analyse de marge par produit

Partez d'un jeu de données de ventes public. Calculez la marge par catégorie, par mois, par région. Identifiez les trois produits dont la marge se dégrade, et écrivez un court commentaire de trois lignes pour chacun.

Ce que ça montre : SQL ou pandas, une visualisation Power BI propre, et surtout une lecture business. C'est le projet qui fait la différence en entretien.

Projet 3 : la détection d'écarts sur données comptables

Simulez un jeu d'écritures comptables avec des erreurs volontaires : dates inversées, doublons, montants hors plage. Détectez-les automatiquement et proposez un rapport de contrôle mensuel.

Ce que ça montre : la qualité des données, la rigueur, et votre connaissance du domaine. Peu de candidats juniors ont ce type de projet.

Publiez les trois sur GitHub avec un README en français qui explique le problème, la méthode et le résultat. Pas juste le code.

Le calendrier réel, avec un emploi à temps plein#

Soyons clairs : en travaillant à temps plein, comptez 9 à 12 mois entre le premier cours et une candidature sérieuse. Les six mois annoncés parfois supposent de ne pas avoir de job.

Un déroulé réaliste :

• Mois 1 à 2 : SQL tous les soirs, une heure. Les bases, les jointures, les agrégations.
• Mois 3 à 4 : Power BI, et le projet 1 en parallèle.
• Mois 5 à 6 : Python pandas, projet 2.
• Mois 7 à 8 : projet 3, mise en forme du portfolio, rédaction du CV.
• Mois 9 à 12 : candidatures ciblées, entretiens, ajustements.

Deux heures par jour valent mieux que dix le week-end. Et si vous avez une période de charge au boulot, avancez moins vite plutôt que d'abandonner.

Rédiger le CV de reconversion#

Le piège classique : un CV qui raconte vingt ans de comptabilité et glisse « notions de SQL » tout en bas. Le recruteur lit les cinq premières lignes, voit « comptable », et passe.

La solution : une accroche qui nomme la cible, puis une section compétences techniques placée haut, avant l'expérience.

Exemple de formulation à réécrire :

Avant : « Comptable senior, gestion de la paie et déclarations fiscales, notions de SQL et Excel. »

Après : « Comptable senior en reconversion vers data analyst. 8 ans de contrôle de données financières sur des flux de 200 000 écritures par an. SQL (requêtes de jointure et d'agrégation), Power BI, Python pandas. Trois projets d'analyse financière disponibles sur GitHub. »

Même parcours, même honnêteté, lecture différente. Le second parle à un recruteur data.

Pour les ATS, gardez une mise en page simple, un fichier texte lisible, et reprenez les mots de l'annonce quand ils correspondent à vos compétences réelles. Un contrôle gratuit de compatibilité ATS sur un outil en ligne vous dira si votre CV passe les filtres automatiques.

La stratégie du premier poste#

Vous ne visez pas « Data Analyst » en lettres d'or chez un grand groupe dès le premier jour. Vous visez un rôle où votre domaine d'origine est un atout.

Les pistes qui marchent le mieux :

• Analyste junior dans un cabinet comptable, un éditeur de logiciels de gestion, ou un service financier qui monte sa fonction data.
• Les postes de « financial data analyst » ou « analyste reporting », où la connaissance comptable est valorisée dès le départ.
• Les offres qui acceptent 0 à 2 ans d'expérience et listent SQL et un outil de BI, sans exiger Python trois ans.

Filtrez les offres par critères réalistes sur une page d'offres d'emploi et repérez celles qui mentionnent explicitement la finance ou le contrôle de gestion. C'est là que votre CV a le plus de chances de sortir du lot.

En entretien, assumez la reconversion. Une phrase qui marche : « Je viens de la comptabilité, j'ai appris la partie technique sur mon temps personnel, et je connais déjà les données financières mieux qu'un junior sorti d'école. » C'est vrai, et ça se défend.

Outils gratuits#

• jobrise.io/fr/free-ats-checker/
• jobrise.io/fr/free-jd-decoder/
• jobrise.io/fr/jobs/
• jobrise.io/fr/blog/

Questions fréquentes#

Faut-il un diplôme en data pour se reconvertir ?

Pas forcément. Un master en statistiques aide, mais beaucoup de recruteurs regardent surtout les projets, la maîtrise de SQL et votre capacité à expliquer une analyse. Un portfolio solide et une expérience métier forte pèsent souvent autant qu'un diplôme.

Quel outil de visualisation apprendre en premier ?

Choisissez Power BI si vous visez la France ou le secteur corporate, Tableau si vous ciblez des startups ou l'international. L'essentiel est de maîtriser un seul outil en profondeur plutôt que de survoler les deux.

Combien de temps par jour faut-il travailler la technique ?

Une à deux heures par jour régulières, c'est suffisant. La constance bat l'intensité : trois mois à raison de 90 minutes par jour donnent de meilleurs résultats qu'un week-end marathon par mois.

Mon expérience comptable peut-elle être frein en entretien ?

Elle peut être perçue comme un écart de parcours par un recruteur pressé. Anticipez en nommant la reconversion dès l'accroche du CV et en montrant des projets concrets qui prouvent la partie technique.

Faut-il accepter une baisse de salaire en changeant de voie ?

C'est fréquent lors d'un premier poste en data, surtout si vous quittez un poste senior. Les niveaux varient beaucoup selon le secteur et la région, donc renseignez-vous sur les fourchettes actuelles auprès de l'offre d'emploi ou des statistiques officielles de l'emploi avant de négocier.