Recruter et former des data scientists : mode d’emploi

Le secteur des agences de communication se transforme sous la pression des nouveaux besoins des marques, nécessitant une approche marketing hybride et davantage centrée sur le consommateur. . Et cette transformation nécessite en particulier l’acquisition de compétences sur les données. Plusieurs rachats récents l’illustrent, dont celui d’Acxiom par Mediabrands ou d’Epsilon et Soft Computing par Publicis.

Romain Fouache, ex-data scientist et désormais directeur des opérations du spécialiste de la science des données, Dataiku, observe cette évolution : “C’est un secteur qui a développé sa maturité assez rapidement. Les données disponibles sont nombreuses et ces entreprises peuvent espérer avoir un impact grâce aux données.”

Etre conscient des tensions et de la volatilité des candidats

Cette maturité repose notamment sur le recrutement de data scientists. Mais si médias et publicitaires ont beaucoup recruté, cette compétence est toujours très recherchée. Le secteur doit composer avec une vive concurrence, y compris de la part des cabinets de conseil qui “intègrent de plus en plus ces compétences”, souligne Charlotte Vitoux, directrice générale de l’agence de recrutement Aquent France, passée par Publicis et Dentsu Aegis Network.

En conséquence, les tensions à l’embauche sont très fortes. Agences et sociétés adtechs doivent batailler pour attirer ces compétences rares, mais aussi pour s’adapter aux spécificités de ces métiers et profils encore récents.

Un recrutement prend en moyenne trois à six mois. Face à cette “volatilité”, il est impératif pour le futur employeur de parfaire son attractivité. La rémunération en est un volet, mais sans doute pas le plus important. Les tensions à l’embauche imposent de toute façon aux entreprises des salaires plancher.

Pour se démarquer, celles-ci doivent parfois faire preuve d’une certaine flexibilité. Les data scientists “peuvent imposer d’être en télétravail deux jours par semaine ou d’habiter dans une autre ville que leur employeur”, note par exemple Charlotte Vitoux.

Le projet proposé reste le premier critère

Souplesse horaire, mobilité interne, localisation et qualité des bureaux sont aussi des facteurs d’attractivité, et ensuite de fidélisation des collaborateurs. A ce titre, le chief data officer de Weborama, Frédéric Grelier, souligne que “la mobilité à l’étranger, y compris pour les stagiaires, est un facteur de motivation, comme le fait de travailler sur des sujets internationaux. Nous sommes présents notamment aux Etats-Unis, en Italie et en Espagne. Nous animons en interne cette communauté de data scientists pour entretenir des échanges réguliers avec les autres pays.”

Mais le premier facteur, c’est le projet lui-même. Cette mission s’appréhende pour le data scientist sur la période des 6 à 12 premiers mois. Et sa valeur perçue sera déterminante dans sa décision.

Un avis partagé par le CDO de Weborama : “Le job proposé chez nous est intéressant, en raison notamment des données sur lesquelles les data scientists seront amenés à travailler. Ils comprennent qu’ils ont un véritable apport au quotidien et en voient les résultats concrets, notamment sur la performance des campagnes.”

A l’intérêt intellectuel de la mission s’ajoutent encore les compétences et apprentissages dont le candidat bénéficiera au travers de cette mission, ainsi que les formations, techniques notamment, proposées en interne. L’équipe, data et élargie, du futur collaborateur est un “autre très gros facteur de prise de décision.”

Quels profils de data scientist recruter ?

Les data scientists présents sur le marché du travail se répartissent en trois grandes catégories : débutant, junior et middle (voire middle plus). Pour des raisons de coûts, les employeurs peuvent avoir tendance à privilégier les débutants. Les recruter s’avère cependant très complexe.

Les cursus sont récents, les promotions peu nombreuses et la concurrence est très forte entre les entreprises se pour les employer dès la sortie d’école. Pour ces profils, les employeurs doivent adopter une approche de moyen et long terme.

Ainsi, une démarche de type “campus management”, consistant à nouer des relations avec les écoles, sera cruciale pour attirer les débutants. Elle permettra en particulier de pourvoir ses offres de stage et d’alternance, efficaces pour recruter des jeunes diplômés.

“Nous avons des contacts directs avec les écoles. Il est important pour nous de renforcer cette collaboration de manière à pouvoir sourcer les étudiants au plus tôt parce que c’est là qu’on recrute les meilleurs. Le sourcing est permanent. Chaque année, nous accueillons des stagiaires, à qui nous pouvons ensuite proposer un poste en fonction de nos besoins”, note Frédéric Grelier (Weborama).

A défaut de parvenir à attirer stagiaires et alternants, et/ou d’être un acteur efficace du “campus management”, les employeurs devront certainement renoncer à embaucher des débutants. Les grands groupes se montrent sur ce front bien implantés et compétitifs.

C’est la raison pour laquelle le vivier de data scientists disponibles se compose actuellement principalement de professionnels disposant de deux à trois ans d’expérience. Cette situation a nécessairement des implications en termes de rémunération.

Des rémunérations selon les profils 

Sur un marché en tension, différents niveaux de salaire s’imposent aux futurs employeurs. Pour un junior, le salaire brut annuel oscillera ainsi entre 42 000 et 48 000 euros. Et ce sans compter les autres composantes de la rémunération. Car intéressement et participation sont aussi des leviers à actionner pour les employeurs. Le candidat ne les négligera pas dans son calcul, même si le brut annuel est le critère le plus visible.

Pour les candidats avec une première expérience, il faut prévoir une enveloppe plus conséquente. La rémunération brute annuelle pourra en effet varier de 48 000 à 65 000 euros, selon le CV et les “soft skills” du candidat.

Charlotte Vitoux (Aquent France) explique que compétences spécifiques, personnalité du data scientist, nature de la première expérience et catégorie d’entreprise (start-up, grand groupe…) influeront sur la rémunération et les prétentions.

Enfin, pour un professionnel affichant plus de huit ans d’expérience, le salaire annuel “ira facilement au-delà de 70 000 euros brut”, souligne le cabinet de recrutement. Les agences, souvent connues pour pratiquer des salaires peu attractifs, devront impérativement s’aligner si elles veulent embaucher des profils qualifiés. Elles l’ont vraisemblablement déjà compris.

La question de la rémunération ne se joue cependant pas uniquement à l’embauche. Elle intervient également dans la fidélisation. “Ils sont très demandeurs et nous devons en tenir compte dans notre politique de rémunération”, confirme Frédéric Grelier (Weborama). Les data scientists sont courtisés, notamment par d’autres sociétés du secteur. La demande en data scientists est croissante et constante.

“Ce sont des compétences que les agences médias revendent très cher à leurs clients. Et une agence qui aujourd’hui n’a pas son département data a peu de crédibilité vis-à-vis de ses clients”, souligne Charlotte Vitoux (Aquent France). Plus encore lorsque ces clients se développent eux-mêmes dans le domaine de la data science.

Compétences et formation : des hard, mais aussi des soft skills

Dans sa boîte à outils, le data scientist doit disposer de fondamentaux, des “incontournables” comme la maîtrise d’un ou plusieurs langages informatiques, en priorité Python et R, et une forte sensibilité aussi à l’infrastructure IT et en particulier aux technologies cloud.

Weborama emploie ces experts à deux niveaux, la R&D et les “data services”, où les data scientists conçoivent des solutions sur-mesure pour des clients annonceurs. Pour son pôle R&D, la société privilégie des ingénieurs des grandes écoles comme Centrale et Polytechnique, dont le cursus est complété par une spécialisation en data science.

Dans les deux cas – en R&D ou Services ), les salariés “doivent être capables de développer parfaitement en Python, de développer les meilleurs algorithmes et de tous les connaître, et bien sûr de comprendre les problématiques du secteur”, détaille Frédéric Grelier.

Ce dernier point est encore plus vrai pour le data scientist intervenant sur le volet services en contact direct avec des directeurs marketing, aux côtés d’un data strategist. A cette fin, Weborama dispense à toutes ses recrues des formations spécifiques sur l’écosystème complexe de la publicité : adexchange, RTB, mesure de la performance des campagnes… Depuis mai 2018, les data scientists de l’entreprise sont aussi systématiquement formés et sensibilisés au RGPD.

Les principales “hard skills” attendues par l’employeur sont généralement acquises en formation initiale, puis par auto-formation, via des mooc, des séminaires sur la data science et des meetup. Mais les entreprises ne doivent pas se focaliser sur ces seules compétences ou savoirs techniques.

Car pour mettre en œuvre la data science dans les organisations de manière opérationnelle, avec à la clé de la création de valeur, les “soft skills” des candidats sont un enjeu majeur. “Etre un bon communicant, comprendre la chaîne de valeur de l’entreprise, son client et ses besoins… ce sont des éléments qui manquent aux plus juniors”, observe Charlotte Vitoux.

Mais cela aussi s’apprend, par de la formation interne et l’expérience. L’organisation dans laquelle s’intègre la data science y participe aussi. Celle-ci doit permettre l’acquisition de la compréhension métier et de ses problématiques business. Une coopération directe entre data scientists et métiers dans le cadre des projets de data science est un incontournable.

Christophe Auffray