Comité de direction, un mardi matin. Quelqu'un lâche : "il nous faut quelqu'un pour la data". Autour de la table, trois personnes hochent la tête. Le DAF pense à quelqu'un qui va produire ses rapports plus vite. Le DG imagine un profil qui va "faire de l'IA". Le DRH, lui, cherche déjà sur LinkedIn le titre "data analyst" parce que c'est le plus fréquent.

Ils parlent tous les trois de choses différentes. Et ils ne s'en rendent pas compte.

C'est là que se perd la plupart des décisions de recrutement data en PME. Pas sur le salaire. Pas sur la technologie. Sur la confusion entre deux métiers qui n'interviennent pas au même moment de votre vie d'entreprise.

Le vrai choix n'est pas "lequel" mais "à quelle phase je suis"

Le consultant data et le data analyst n'occupent pas le même poste. Ils ne sont pas deux versions d'un même métier avec plus ou moins de séniorité. Ils interviennent de part et d'autre d'une ligne invisible : est-ce que la structure data de votre entreprise existe déjà ?

Si oui, vous cherchez un analyst. Il exploite l'infrastructure, produit les chiffres, répond aux questions métier en continu.

Si non, vous cherchez un consultant data. Il construit ce qui n'existe pas encore. Il structure, choisit les outils, pose une roadmap. Ensuite l'analyst peut faire son travail proprement.

Inverser l'ordre coûte cher. Un analyst qu'on parachute sur un paysage data incohérent passe 80% de son temps à faire des choses qu'il ne devrait pas faire : arbitrages d'architecture, choix d'outils, nettoyage de fond. Il le fait mal parce que ce n'est pas son métier, et il part au bout de dix mois parce qu'on l'a recruté pour produire des dashboards et qu'il n'en a pas produit un seul.

Et si vous n'êtes pas sûr d'avoir besoin d'un consultant du tout, cet auto-diagnostic répond à la question d'amont.

Ce que produit un data analyst, concrètement

Un data analyst transforme des données existantes en chiffres utiles pour la décision opérationnelle.

Son quotidien ressemble à ça : des dashboards récurrents (hebdo, mensuels), le suivi d'indicateurs commerciaux, des analyses ad hoc quand un responsable métier pose une question. Il connaît SQL, un outil BI (Looker Studio, Power BI, Tableau), souvent un peu de Python. Il travaille dans une infrastructure qui existe déjà : un entrepôt de données, des tables propres, des sources connectées.

C'est un poste permanent. Il vit dans vos locaux (ou en remote salarié), dans la durée, avec vos équipes métier. Sa valeur s'accumule mois après mois parce qu'il apprend votre boîte, vos clients, vos exceptions.

Il est utile quand la machine tourne. Pas pour la construire.

Ce que produit un consultant data, concrètement

Un consultant data pose le socle. Avant qu'il n'y ait quoi que ce soit à opérer.

Sa mission a un début et une fin. Typiquement : un audit de l'existant (deux à quatre semaines), le choix d'une architecture cible, la priorisation des chantiers, la mise en place des premières briques (entrepôt, flux automatisés, premiers indicateurs fiables), et un transfert vers vos équipes. Pour le détail de par où commencer un audit data, c'est là que ça se joue.

Il intervient avant le recrutement de l'analyst. Ou en parallèle, pour structurer ce que l'analyst ne doit pas avoir à structurer lui-même.

Son livrable n'est pas un dashboard. C'est une infrastructure utilisable, une roadmap que vos équipes peuvent exécuter, et une clarté sur ce que vous devez embaucher ensuite (ou pas).

Le consultant construit la maison. L'analyst vit dedans.

Le comparatif qui aide à décider

| Axe | Data analyst | Consultant data | |---|---|---| | Livrable typique | Dashboards, analyses, suivi de KPI | Audit, roadmap, architecture, premières briques | | Durée | Poste permanent | Mission bornée (2 à 6 mois) | | Coût typique | 45 à 65k€ brut annuel (salarié) | 800 à 1200€/j freelance senior | | Ce qui casse si vous vous trompez | Vous avez une roadmap mais personne pour l'opérer au quotidien | Vous payez cher un analyst à faire du choix d'outils | | Quand vous l'appelez | Une fois que la structure tourne | Avant que la structure data existe |

Trois signes que vous cherchez un analyst

Vos outils sont en place et se parlent. CRM connecté à votre facturation, site web qui remonte dans l'analytics, un entrepôt de données ou au moins des tables propres quelque part. Quand quelqu'un demande un chiffre, vous savez où il se trouve. Le problème, c'est qu'il faut quelqu'un pour aller le chercher et le présenter.

Les mêmes questions reviennent chaque mois. Pipeline commercial, marge par produit, taux de churn, performance d'une campagne. Ce sont des questions récurrentes, identiques, qui méritent un dashboard plutôt qu'un export manuel à chaque fois.

Vous avez besoin de chiffres en continu, pas d'une stratégie. Les décisions stratégiques sur l'outillage sont prises ou en cours. Ce qui manque, c'est la production quotidienne de la visibilité.

Dans ce cas précis, vous ne cherchez probablement même pas un consultant. Vous cherchez un freelance data analyst à la journée, ou un salarié junior à moyen.

Trois signes que vous cherchez un consultant

Vos données sont éparpillées dans quatre outils ou plus. CRM, ERP, facturation, site web, mailing, chacun dans son silo. Chaque question qui traverse deux outils devient un projet. C'est un problème d'architecture, pas de production de rapports.

Il n'existe pas de source unique de vérité. Quand deux personnes cherchent la même information, elles trouvent deux réponses différentes selon l'outil consulté. L'analyst ne peut pas travailler sur cette base. Il faut d'abord réconcilier.

Vous hésitez à recruter. Vous savez qu'il vous faut quelqu'un pour la data mais vous n'arrivez pas à écrire la fiche de poste proprement. Ce flou est un signal. Il veut dire que la décision n'est pas "recruter un analyst ou pas", mais "quelle architecture on veut, et qui on embauche pour l'opérer ensuite".

Le piège des titres connexes

Autour de ces deux rôles, trois autres titres reviennent souvent et ajoutent de la confusion.

Le data engineer construit les pipelines qui transportent et transforment les données. Il travaille en amont de l'analyst. En PME, son rôle est souvent absorbé par le consultant data (pour la phase de structuration) ou externalisé.

Le data scientist fait du modèle prédictif, du machine learning, de l'IA appliquée. Il est utile quand vous avez des volumes conséquents et un cas d'usage précis (scoring client, prévision de demande, détection d'anomalies). D'expérience, dans une PME de moins de 200 personnes, c'est rarement le premier profil à recruter. Plus souvent le troisième ou le quatrième.

Le BI analyst est en pratique très proche du data analyst. Parfois le terme est utilisé pour un profil plus orienté reporting et moins orienté analyse exploratoire, mais la frontière est floue. Considérez-les comme des synonymes dans la grande majorité des offres d'emploi en France.

Budget : analyst salarié vs consultant sur 12 mois

Un data analyst salarié en France coûte entre 45 et 65k€ brut annuel pour un profil confirmé. Chargé, ça monte à 60-85k€/an pour l'employeur. Un consultant data senior freelance facture plutôt entre 800 et 1200€ la journée.

Heuristique utile : l'analyst salarié devient moins cher que le consultant autour de 8 à 10 mois d'activité continue. Ce n'est pas un calcul précis (un consultant ne facture pas 20 jours par mois, il y a de la prospection, des livrables, de la gestion), plutôt un ordre de grandeur qui donne la zone de bascule dans la vraie vie.

Sauf que la comparaison n'a pas de sens. Ils ne font pas le même travail.

Si vous mettez un analyst sur une boîte qui n'a pas encore de structure data, vous payez 60k€ par an quelqu'un qui va passer ses journées à essayer de résoudre des problèmes d'architecture, de choix d'outils et de réconciliation de sources. Il le fera mal, et il partira. Vous aurez perdu un an et un budget de recrutement.

Le consultant est plus cher à la journée. Mais sa mission dure trois à six mois, pas douze. Et à la fin, vous savez précisément quel profil recruter, avec quelle fiche de poste, pour quels outils.

La question qui tranche

Si vous hésitez encore, posez-vous celle-ci : "si je recrute cette personne lundi, qu'est-ce qu'elle fait mardi matin ?"

Si la réponse est "elle ouvre les dashboards existants, elle regarde les KPI de la semaine, elle prend un café avec le responsable commercial pour comprendre ses besoins", vous cherchez un analyst. La structure est là. Il y a de quoi travailler dès le premier jour.

Si la réponse est "elle prend deux jours pour comprendre l'existant, cartographier les sources et parler aux équipes métier", vous cherchez un consultant. Il n'y a pas encore de matière exploitable. Il faut d'abord construire.

C'est la même question que je pose en entretien de cadrage. Elle tranche en cinq minutes ce qui aurait pris trois semaines à un cabinet de recrutement.

Pour finir

Si vous hésitez encore entre les deux, c'est probablement que vous avez besoin du consultant d'abord. Pas parce que c'est plus prestigieux ou plus cher. Parce que l'hésitation elle-même est le signal que la structure n'est pas claire, et que personne ne peut opérer proprement dessus.

Pour voir à quoi ressemble concrètement une mission de cadrage, la page consultant data détaille la méthode. Pour 30 minutes au téléphone sur votre cas précis, le contact est ici.