Un socle commun, quatre métiers
Le Mastère Intelligence Artificielle d’AI2 est un Bac+5 en deux ans, enregistré au RNCP niveau 7. Le M1 donne à tous les étudiants les mêmes fondations : statistiques, programmation, machine learning, deep learning, cloud. Le M2 vous spécialise ensuite dans l’un des quatre grands métiers de la data et de l’IA : Data Scientist, AI Engineering, Data Engineer ou Data Analyst. Vous pouvez entrer en M1 avec un Bac+3, ou directement en M2 avec un Bac+4 et des bases en programmation et en statistiques. Choisir sa majeure revient donc à choisir son premier métier. Ce n’est pas un choix définitif, mais il oriente vos premières années : vos projets, vos entreprises d’alternance, les compétences qui feront votre valeur sur le marché. Cet article compare les quatre majeures à partir de leurs missions, de leurs compétences et des salaires de marché, puis propose une grille de décision selon votre profil.
Data Scientist : modéliser et expérimenter
Le data scientist transforme les données en décisions. Il conçoit les modèles prédictifs, comme l’anticipation du départ de clients, le scoring ou la prévision de demande, il mène les expérimentations et, de plus en plus, il construit les applications d’IA générative de l’entreprise. La majeure couvre la modélisation statistique avancée et l’expérimentation (A/B testing), le machine learning supervisé et non supervisé avec scikit-learn et XGBoost, le deep learning avec PyTorch pour la vision, le NLP et les séries temporelles, les LLM et l’IA générative (fine-tuning, RAG, évaluation), ainsi que la communication des résultats et le data storytelling. Les recruteurs se trouvent dans les banques, les scale-ups, l’e-commerce, la santé et le conseil. Côté salaire, les fourchettes de marché pour un junior en Île-de-France se situent entre 45 et 55 k€ brut par an, et entre 70 et 100 k€ après cinq ans d’expérience (sources APEC, Hays 2026). C’est la majeure la plus exigeante en statistiques : elle convient à ceux qui aiment comprendre pourquoi un modèle fonctionne, pas seulement le faire tourner. C’est aussi la seule majeure proposée en Fast Track, en 10 mois.
AI Engineering : mettre l’IA en production
L’AI engineer, ou machine learning engineer, industrialise l’intelligence artificielle. Il transforme les prototypes en systèmes fiables en production : applications fondées sur des LLM, moteurs de recommandation, IA en temps réel. La majeure couvre le MLOps (CI/CD de modèles, monitoring, feature stores), les architectures RAG et les agents IA en production, le déploiement sur le cloud avec GPU (AWS, GCP) et l’optimisation de l’inférence, le fine-tuning et l’évaluation de LLM (LoRA, benchmarks), et l’ingénierie logicielle robuste : API, Docker, Kubernetes. Les recruteurs sont les laboratoires d’IA, les scale-ups et les grands groupes qui industrialisent l’IA générative. Les fourchettes de marché pour un junior en Île-de-France vont de 50 à 65 k€ brut par an, et de 80 à 120 k€ après cinq ans d’expérience (sources APEC, Hays 2026). C’est la majeure la plus proche du développement logiciel : elle convient à ceux qui aiment construire des systèmes qui tournent, tiennent la charge et se maintiennent, plus qu’à ceux qui préfèrent l’analyse exploratoire.
Data Engineer : construire les fondations
Le data engineer construit les fondations sur lesquelles reposent la data science et l’IA. Il conçoit les pipelines qui collectent, transforment et fiabilisent les données de l’entreprise. La majeure couvre les pipelines de données à grande échelle avec Spark et Airflow, les data warehouses et lakehouses (BigQuery, Snowflake, Databricks), le streaming en temps réel avec Kafka et les architectures événementielles, le cloud et l’infrastructure as code (AWS, GCP, Terraform), ainsi que la qualité, la gouvernance et l’observabilité des données. Les recruteurs sont les scale-ups tech, les banques, les industriels et les entreprises de services numériques. Les fourchettes de marché pour un junior en Île-de-France vont de 48 à 60 k€ brut par an, et de 75 à 110 k€ après cinq ans d’expérience (sources APEC, Hays 2026). C’est la majeure des profils qui aiment l’architecture, la robustesse et l’automatisation : moins de modélisation statistique, davantage de systèmes, de bases de données et de cloud. Sans données propres et disponibles, aucun modèle ne fonctionne, ce qui place ce métier au cœur des projets data.
Data Analyst : éclairer les décisions
Le data analyst fait le lien entre les données et les métiers. Il construit les tableaux de bord de pilotage, analyse les performances produit et marketing, et appuie les décisions sur des chiffres fiables. La majeure couvre le SQL avancé et l’analytics engineering avec dbt, la data visualisation avec Power BI, Tableau ou Looker, la product analytics et les métriques business (rétention, funnel, valeur vie client), les statistiques appliquées et les tests d’hypothèses, ainsi que la restitution aux décideurs par les tableaux de bord et le data storytelling. Les recruteurs sont les entreprises qui pilotent leur activité par la donnée : commerce, fintech, médias, éditeurs SaaS. Les fourchettes de marché pour un junior en Île-de-France vont de 38 à 48 k€ brut par an, et de 55 à 75 k€ après cinq ans d’expérience (sources APEC, Hays 2026). Ne confondez pas fourchette d’entrée et intérêt du métier : c’est une majeure qui place au contact direct des décideurs, et qui convient à ceux qui aiment autant convaincre que calculer. Avec l’expérience, un data analyst peut évoluer vers des rôles de product analyst, d’analytics engineer ou de responsable data.
Les quatre majeures côte à côte
Pour comparer rapidement, retenez la question centrale de chaque métier. Le data scientist se demande ce que les données permettent de prédire ou d’expliquer ; son outil principal est le modèle statistique ou de machine learning. L’AI engineer se demande comment faire fonctionner un modèle de façon fiable, rapide et maintenable en production ; ses outils principaux sont le code logiciel et l’infrastructure. Le data engineer se demande comment rendre les bonnes données disponibles, propres et à jour ; son outil principal est le pipeline. Le data analyst se demande ce que les chiffres disent de l’activité et quelle décision prendre ; ses outils principaux sont la requête SQL et le tableau de bord. Côté salaires juniors de marché en Île-de-France (sources APEC, Hays 2026) : 38 à 48 k€ pour le data analyst, 45 à 55 k€ pour le data scientist, 48 à 60 k€ pour le data engineer, 50 à 65 k€ pour l’AI engineer. Ce sont des données de marché, pas des statistiques d’insertion d’AI2. Les écarts existent, mais ils pèsent moins sur une carrière que l’adéquation entre le métier et ce que vous aimez faire au quotidien.
La grille de décision selon votre profil
Votre parcours actuel donne une première indication. Vous venez d’un M1 ou d’une licence en mathématiques, statistiques ou économétrie : la majeure Data Scientist valorise directement votre bagage. Vous êtes développeur ou issu d’une formation en informatique, et vous aimez livrer du code en production : AI Engineering est le prolongement naturel, Data Engineer une alternative solide si l’architecture de données vous attire davantage que les modèles. Vous venez des réseaux, de l’administration système ou du cloud : Data Engineer s’appuie sur ces compétences. Vous venez d’une école de commerce, de la gestion, du marketing, de la finance ou de l’économie appliquée : Data Analyst valorise votre compréhension des métiers, et Data Scientist reste accessible si vous êtes prêt à investir sérieusement dans les statistiques et la programmation. Vous êtes en reconversion après une expérience métier : Data Analyst est souvent l’entrée la plus directe, car votre expertise sectorielle devient un atout. Cette grille n’est qu’un point de départ : un développeur passionné de statistiques peut devenir un excellent data scientist, et un profil venu du commerce peut s’épanouir en data engineering.
Cinq questions pour trancher
Si la grille ne suffit pas, posez-vous ces cinq questions. Un : qu’est-ce qui vous donne le plus de satisfaction, comprendre un phénomène, construire un système qui fonctionne, ou convaincre quelqu’un avec une analyse ? Deux : préférez-vous un travail exploratoire, où l’on ne sait pas à l’avance ce que l’on va trouver, ou un travail d’ingénierie, avec un objectif clair et des contraintes de fiabilité ? Trois : à quelle distance des décideurs voulez-vous travailler ? Le data analyst les côtoie au quotidien, le data engineer beaucoup moins. Quatre : quel est votre rapport aux mathématiques ? Le data scientist les utilise en continu, l’AI engineer surtout pour comprendre et évaluer les modèles, le data engineer et le data analyst de façon plus ponctuelle. Cinq : quels projets avez-vous déjà aimé mener, en cours, en stage ou à titre personnel ? Vos réponses dessinent généralement une majeure. Pour confronter votre intuition à un regard extérieur, le quiz « Quel métier de l’IA est fait pour toi ? » vous oriente en quelques minutes, et l’entretien d’admission permet d’en discuter avec l’équipe pédagogique.
Les erreurs fréquentes
Première erreur : choisir uniquement sur le salaire d’entrée. Les fourchettes juniors diffèrent de quelques milliers d’euros, mais un métier qui ne vous convient pas freinera votre progression bien davantage. Deuxième erreur : considérer la majeure Data Analyst comme un choix par défaut. C’est un métier à part entière, avec ses propres exigences en SQL, en statistiques et en communication. Troisième erreur : croire que l’IA générative ne concerne que l’AI engineering. Les LLM sont présents dans la majeure Data Scientist (fine-tuning, RAG, évaluation) et transforment aussi le travail des data analysts et des data engineers. Quatrième erreur : penser que le choix est irréversible. Le socle commun du M1 et la proximité entre ces métiers permettent d’évoluer : un data engineer peut se rapprocher du MLOps, un data scientist de l’AI engineering. Choisissez la majeure qui vous fera progresser le plus vite aujourd’hui.
Alternance, formation initiale ou Fast Track
Une fois la majeure choisie, reste la formule. Les quatre majeures se suivent en M2 de 12 mois, en alternance ou en formation initiale. En alternance, au rythme de 3 semaines en entreprise et 1 semaine à l’école, la formation revient à 0 € : elle est financée par l’OPCO de l’entreprise et vous êtes rémunéré selon la grille légale. En formation initiale, le M2 coûte de 8 500 à 9 200 € par an, payables en plusieurs fois sans frais. La majeure Data Scientist existe aussi en Fast Track : 10 mois intensifs, 10 000 €, sans alternance, pour les titulaires d’un Bac+4 qui veulent le Bac+5 rapidement. Toutes les majeures se suivent sur le campus de Paris ou 100 % à distance, et visent le même titre RNCP de niveau 7. Chaque majeure dispose de sa page détaillée, avec ses compétences, ses débouchés et son programme.
Candidater et confirmer votre choix
Vous n’avez pas besoin d’être certain de votre majeure pour candidater. Si vous entrez en M1, la spécialisation intervient en M2, après une année de socle commun pendant laquelle vous aurez pratiqué les différentes facettes de la data et de l’IA. Si vous entrez directement en M2 avec un Bac+4, l’entretien d’admission sert aussi à vérifier l’adéquation entre votre parcours et la majeure visée. La procédure est la même pour toutes les majeures : un dossier en ligne sans frais de candidature, un test technique, un entretien avec l’équipe pédagogique, puis une réponse sous 48 heures. La prochaine rentrée a lieu en janvier 2027, la suivante en septembre 2027. D’ici là, un bon moyen de tester votre intuition consiste à réaliser un petit projet dans chaque direction : un tableau de bord sur un jeu de données public, un modèle prédictif simple, un pipeline qui alimente une base, une API qui sert un modèle. Celui que vous avez le plus envie de pousser plus loin vous indique souvent la bonne majeure.
Pour aller plus loin
Devenez un professionnel de l'IA avec AI2 — Paris
Bachelor (RNCP 6) et Mastère (RNCP 7) en Intelligence Artificielle & Data Science. Alternance, CPF et financement entreprise possibles. Candidatures ouvertes pour la rentrée de janvier 2027.
Être rappelé gratuitement sous 24h
Laissez votre numéro — notre équipe vous rappelle pour tout vous expliquer (programmes, financement, rentrée de janvier 2027). Sans engagement.
Articles similaires
Former les salariés et bénévoles d’une association à l’IA : programme et financement
Subventions, rapports, communication, données des bénéficiaires : ce qu’une association peut faire avec l’IA, comment financer la formation des salariés et des bénévoles, et quel format choisir.
Claude, ChatGPT, Copilot ou Gemini : quel assistant IA pour votre entreprise ?
Outils en place, documents longs, confidentialité, coût par utilisateur, administration : une grille neutre pour choisir entre Claude, ChatGPT, Microsoft 365 Copilot et Gemini, et tester sur vos cas.
Acculturation à l’IA : comment former tous les salariés, de 50 à 500 personnes
Inventaire des usages, vagues par métier, groupes de 10, référents, charte, attestation et documentation au titre de l’article 4 de l’AI Act : la méthode pour former 50 à 500 salariés.