Data science : quelle formation choisir ?

La data science attire autant qu'elle recrute, mais quand vient l'heure de chercher une formation, on se noie vite dans les offres. Deux grandes familles de parcours mènent à ce secteur : les diplômes longs (licence, BUT, master) et les formations courtes certifiantes, davantage tournées vers l'insertion rapide. Le bon choix dépend surtout de votre situation : sortez-vous du bac, reprenez-vous des études, visez-vous une reconversion ou une évolution en poste ? Voici de quoi s'y retrouver.

Se former à la data science après le bac

Après le bac, plusieurs cursus universitaires posent les bases nécessaires à la data science, mais aucun ne mène seul au métier de data scientist : une poursuite d'études reste presque toujours nécessaire.

Les formations universitaires courtes

Le BUT STID (bachelor universitaire de technologie statistique et informatique décisionnelle) est le plus proche de la data. Dès la deuxième année, deux spécialisations apparaissent : l'une orientée modélisation statistique, l'autre visualisation et outils décisionnels. Il s'adresse à des profils à l'aise avec les chiffres et curieux des usages réels de la donnée en entreprise.

Côté licence, quatre parcours mènent ensuite vers un master en data science :

• la licence MIASHS, qui combine mathématiques, informatique et sciences sociales
• la licence informatique, qui initie au machine learning et à la visualisation de données via une spécialisation en troisième année
• la licence sciences des données, qui aborde les statistiques dès la première année
• la licence mathématiques, plus exigeante, qui développe une maîtrise poussée des outils quantitatifs

Ces parcours universitaires restent généralistes et demandent presque toujours une poursuite d'études pour devenir data scientist ou exercer un métier connexe.

Les écoles spécialisées et écoles d'ingénieurs

Les écoles spécialisées dans la data proposent des bachelors puis des masters entièrement dédiés au domaine, avec une pédagogie construite autour de mises en situation issues d'entreprises et d'un accompagnement individualisé. Cette voie mène plus rapidement à une spécialisation, mais offre moins de flexibilité en cas de réorientation.

Les écoles d'ingénieurs représentent un compromis académique, avec un bachelor généraliste suivi d'un master en data science, complété par des enseignements approfondis en mathématiques et en modélisation. La reconnaissance académique y est forte, mais peu de cursus offrent une spécialisation dès la première année, et la mise en pratique y est parfois plus limitée qu'en école spécialisée.

Se reconvertir vers la data science à l'âge adulte

Contrairement aux parcours post-bac, la reconversion vers la data science ne passe pas obligatoirement par un diplôme long. Deux options coexistent, selon que vous visez une insertion rapide ou un diplôme reconnu.

Les bootcamps et formations courtes certifiantes

Les bootcamps condensent sur quelques mois l'apprentissage des outils utilisés en entreprise : Python, SQL, bases du machine learning. La pédagogie repose sur des projets pratiques plutôt que sur des cours magistraux.

Cette voie convient aux personnes en poste qui souhaitent basculer rapidement vers la data, ou aux demandeurs d'emploi cherchant une insertion accélérée. L'investissement personnel reste soutenu sur une période courte. Un cursus universitaire offre davantage de temps pour souffler, ce que le format intensif du bootcamp ne permet pas.

Les masters et formations diplômantes en reprise d'études

Pour ceux qui préfèrent viser un diplôme reconnu malgré une reprise tardive, des masters en data science restent accessibles après validation d'un bac+3, parfois via une admission sur dossier plutôt que par la voie classique. Certaines écoles proposent aussi des formats aménagés pour les professionnels en activité.

Le temps investi dépasse celui d'un bootcamp. En échange, la reconnaissance du diplôme compte davantage dans la décision de recrutement, surtout dans les grandes entreprises et les secteurs réglementés.

Le titre professionnel Data Scientist, une voie certifiante reconnue par l'État

Un titre professionnel Data Scientist existe aussi, enregistré au répertoire national des certifications professionnelles au niveau 7, soit l'équivalent d'un bac+5. Cette voie s'obtient en formation continue ou en contrat de professionnalisation. Une validation des acquis de l'expérience (VAE) est également ouverte aux profils dont le parcours démontre déjà les compétences attendues.

Le parcours comprend généralement une immersion en entreprise de plusieurs mois, durant laquelle le candidat restitue les compétences acquises sur un projet réel, avant de passer devant un jury de professionnels.

Je me forme à la data science

Quels critères pour choisir sa formation en data science ?

Voici quelques critères à prendre en compte pour faire le bon choix :

• La durée du cursus : si vous devez générer un revenu rapidement ou changer de poste dans les prochains mois, un bootcamp de quelques mois est plus réaliste qu'un master. À l'inverse, si vous pouvez vous projeter sur le long terme, viser un diplôme plus long élargit vos options par la suite.
• Le niveau de diplôme visé : une reconnaissance bac+5 reste incontournable pour certains postes ou secteurs, tandis qu'une certification professionnelle suffit dans d'autres cas, notamment pour un premier poste de data analyst avant une évolution vers la data science
• Le taux d'insertion professionnelle communiqué par l'organisme : un chiffre à demander systématiquement avant de s'engager, en vérifiant sur quelle base il est calculé (nombre de diplômés en emploi à 6 mois, poste en lien ou non avec la formation suivie, etc.).
• Le coût et les solutions de financement : les prix varient fortement d'un parcours à l'autre, mais un budget serré ne doit pas fermer la porte à une formation qui vous intéresse. Compte personnel de formation (CPF), aide de France Travail, financement par l'employeur : plusieurs dispositifs existent pour réduire le reste à charge, à condition de les explorer avant d'écarter une option
• Le format de la formation : présentiel, distanciel ou alternance. Ce choix dépend aussi de vos préférences d'apprentissage. Certains progressent mieux au sein d'un groupe, au contact d'un formateur, d'autres préfèrent avancer à leur rythme derrière un écran. L'alternance ajoute un avantage supplémentaire : elle offre une rémunération tout en donnant un premier pied dans le monde professionnel
• La reconnaissance officielle du parcours : une inscription au répertoire national des certifications professionnelles (RNCP) garantit que le diplôme ou la certification est reconnu par l'État
• La place laissée à la pratique : les bootcamps et écoles spécialisées misent sur des cas réels et des projets d'entreprise dès le début, alors que les cursus universitaires classiques réservent davantage de place à la théorie.

Ces critères se recoupent rarement en faveur d'une seule option. Un choix se fait presque toujours au prix d'un compromis, entre rapidité et reconnaissance, entre théorie et pratique.

Au terme de ce comparatif, aucune voie ne domine les autres dans l'absolu. Le meilleur choix dépend de votre situation actuelle et du temps que vous pouvez y consacrer. Certains profils réussissent d'ailleurs sans formation dédiée, en partant d'une expérience proche (statistiques, développement) et en complétant par quelques modules ciblés. Pour la plupart, une formation constitue le moyen le plus fiable vers le métier, à condition de choisir un parcours qui correspond vraiment à sa situation.

©Andrey Popov - stock.adobe.com