Devenir data scientist au Maroc : formation, parcours et compétences

Le data scientist construit des modèles qui prédisent ou classent, à partir de volumes de données que l'analyse classique ne suffit plus à traiter. C'est un métier de statistique appliquée autant que de programmation, exercé au contact direct des décisions d'une entreprise. On n'y accède pas par une voie unique : certains cursus y mènent directement, d'autres profils y arrivent depuis les mathématiques, l'informatique ou l'économétrie.

Le métier de data scientist

Là où le data analyst décrit ce qui s'est passé, le data scientist cherche à anticiper : quel client va partir, quelle transaction est suspecte, quelle demande arrive. Il conçoit, entraîne et évalue des modèles, puis les met à l'épreuve des données réelles. La partie la plus difficile n'est pas l'algorithme, c'est de poser la bonne question et de reconnaître un résultat qui ne tient pas.

Le travail commence donc avant le code, par la traduction d'une question métier en problème exploitable, puis par la préparation et la qualification des jeux de données — étape longue qui décide pourtant de la valeur du reste. Viennent ensuite l'entraînement des modèles, l'évaluation de leur robustesse et de leurs biais, enfin l'industrialisation de ceux qui sont retenus, pour qu'ils tournent en production et pas seulement sur un poste d'expérimentation. Le cycle se referme sur la restitution aux décideurs, qui n'ont ni le temps ni les outils pour juger un modèle sur sa forme mathématique. Les employeurs se répartissent entre la banque, l'assurance et la finance, les télécommunications, le numérique et le e-commerce, l'industrie et le conseil. La fiche Data scientist détaille missions, secteurs et compétences.

Quelle formation suivre

Les formations répertoriées dans le domaine Data recrutent à trois niveaux distincts, et le choix dépend surtout du point de départ.

À bac+2, l'entrée se fait par une licence professionnelle. Elle s'adresse à qui sort d'un cycle court et doit d'abord poser un socle technique : bases de données, programmation, statistique descriptive puis inférentielle. C'est un point d'appui utile, rarement un point d'arrivée, les postes de data science proprement dits se recrutant le plus souvent au-delà.

Le master, accessible à bac+3, reste la voie de référence. Il suppose un socle quantitatif déjà constitué — mathématiques, informatique, statistique ou économétrie — auquel il ajoute la couche métier : apprentissage automatique, traitement de grands volumes, mise en production. Les intitulés répertoriés associent souvent la data science au management ou à l'analytique d'entreprise : ils forment moins des chercheurs que des praticiens insérés dans une direction opérationnelle.

Pour un professionnel en activité, les mastères et MBA à admission bac+4 proposent souvent un format aménagé : cours du soir, week-end ou distance. Ils supposent une expérience réelle et visent une bascule de fonction plutôt qu'une première insertion. Ces reprises d'études se financent rarement sur fonds propres seuls : le simulateur de financement estime les dispositifs mobilisables, et le catalogue se filtre par niveau d'admission, par ville et par rythme.

Avant de vous engager, vérifiez la reconnaissance du diplôme visé auprès de l'établissement et du ministère de l'Enseignement supérieur (MESRSI). Une accréditation porte sur une formation précise et pour une durée déterminée : elle ne se déduit ni de l'ancienneté d'une école ni de la notoriété d'un intitulé. Les déclarations des établissements indiquent ce que chacun affirme.

Les compétences à développer

Quatre compétences forment le cœur du métier. L'apprentissage automatique, attendu à un niveau expert : familles de modèles, entraînement, réglage, validation. Les statistiques et la modélisation, au même niveau d'exigence, parce qu'un modèle mal évalué produit des résultats convaincants et faux. La programmation, en Python ou en R, outil de travail quotidien, y compris sur du code destiné à durer. L'analyse de données enfin : explorer un jeu de données, en repérer les trous, les doublons et les biais de collecte avant d'y appliquer quoi que ce soit.

Quatre compétences complémentaires entourent ce noyau. Le big data et le traitement distribué deviennent nécessaires dès que les volumes dépassent une machine. Les bases de données et le SQL restent la porte d'entrée vers la donnée d'entreprise. La restitution et la communication décident de l'influence réelle d'un data scientist : un modèle que personne ne comprend n'est pas déployé. La data visualisation, attendue à un niveau intermédiaire, sert cette restitution sans en être le métier.

Le cœur se construit en formation, dans cet ordre : statistique, programmation, puis apprentissage automatique. Le reste vient par la pratique — stage long, projet de fin d'études adossé à des données réelles, première mission. Un cursus qui ne fait travailler que sur des jeux de données propres laisse une lacune que l'employeur devra combler.

Débouchés et évolution

Les premières fonctions se situent dans une équipe data, une direction des systèmes d'information ou un cabinet de conseil, sur un périmètre encadré : un cas d'usage, un jeu de données, un modèle à faire vivre. L'expérience se mesure moins au nombre de modèles produits qu'au nombre de modèles passés en production et suivis dans le temps.

L'évolution mène vers lead data scientist, avec la responsabilité d'une équipe et de ses choix méthodologiques, vers machine learning engineer, orientation plus technique tournée vers l'industrialisation, ou vers une fonction de responsable de la donnée, qui déborde la modélisation pour couvrir qualité, gouvernance et usages. Sur la rémunération, Atlaris ne publie pas de fourchette faute de source fiable et récente pour le marché marocain.

Questions fréquentes

Peut-on devenir data scientist sans licence en informatique ou en mathématiques ?

Oui, à condition d'avoir le niveau quantitatif équivalent : les profils issus d'écoles d'ingénieurs, de statistique appliquée, de physique ou d'économétrie sont courants. En revanche, une licence sans contenu réel en probabilités et en algorithmique rend l'entrée en master difficile, et le rattrapage se fait rarement en cours d'année.

Combien de temps faut-il pour exercer ?

Comptez trois ans après le baccalauréat pour le socle quantitatif, puis deux ans de master spécialisé. Les formats de formation continue à admission bac+4 sont plus courts, mais ils s'adressent à des candidats qui apportent déjà une expérience et une partie du socle. S'y ajoutent les premières années en poste : la maîtrise d'un modèle en production ne s'acquiert pas en cours.

Quelle différence avec un data analyst ou un data engineer ?

Les trois métiers travaillent la même matière, mais à des moments différents. Le data engineer construit et maintient les circuits qui rendent la donnée disponible. Le data analyst décrit ce qui s'est passé et outille la décision courante. Le data scientist part de cette donnée pour estimer ce qui va se passer, avec une exigence statistique plus forte et une responsabilité sur la validité du modèle.

La reconversion vers la data science est-elle réaliste ?

Elle l'est pour qui vient d'un environnement déjà chiffré : contrôle de gestion, actuariat, risque bancaire, développement logiciel. Elle demande une reprise d'études structurée plutôt qu'une accumulation de certifications courtes, le recrutement s'appuyant sur le diplôme et sur des travaux démontrables. Sans base mathématique préalable, il faut reconstruire ce socle avant la spécialisation, ce qui allonge le calendrier.

Si vous hésitez entre la data science et une autre voie du domaine, le diagnostic d'orientation confronte votre niveau, votre budget et vos contraintes aux formations répertoriées.