Critère 1 : votre rapport aux maths
Très bon : Data Scientist / Research Scientist / NLP Engineer. Moyen : ML Engineer / MLOps (plus de code que maths). Faible : Prompt Engineer / AI Product Manager / AI Ethicist / Data Analyst.
Critère 2 : votre rapport au code
Fort : ML Engineer / MLOps Engineer / Data Engineer / Research Scientist. Moyen : Data Scientist / Data Analyst. Faible : AI Product Manager / AI Ethicist / Prompt Engineer (un peu).
Critère 3 : votre intérêt business
Élevé : AI Product Manager / Business Analyst IA / Data Analyst. Moyen : Data Scientist (projets business). Faible : Research Scientist / ML Engineer pur code.
Critère 4 : votre goût pour l'innovation technique
Vous voulez la pointe IA (LLMs, agents) : Prompt Engineer / NLP Engineer / Research Scientist. Vous préférez des stack solides éprouvées : Data Analyst / Data Engineer / BI.
Critère 5 : votre vision du marché
Priorité salaire max : Research Scientist, NLP, MLOps, Prompt Engineer. Priorité stabilité : Data Analyst / Data Engineer en grand groupe. Priorité vitesse d'accès : Data Analyst / Prompt Engineer (bootcamp suffit).
Passe le quiz pour croiser tous ces critères
Notre quiz interactif pose 10 questions pour croiser ces 5 critères et te donner un métier recommandé en 3 minutes.
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. Inscriptions ouvertes jusqu'en octobre — places limitées.
Être rappelé gratuitement sous 24h
Laissez votre numéro — notre équipe vous rappelle pour tout vous expliquer (programmes, financement, inscription jusqu'en octobre). Sans engagement.
Articles similaires
Se reconvertir en Data Scientist après 30 ans en 2026 : le guide complet
Guide exhaustif reconversion Data Scientist après 30 ans : parcours, financement, parcours types, plan d'action 18-24 mois. Conseils de l'équipe pédagogique AI2.
Peut-on devenir Data Scientist sans diplôme en 2026 ?
Oui, mais c'est un parcours difficile. Retour d'expérience sur les autodidactes Data Science en France : stratégies qui marchent, pièges à éviter.
Se réorienter après une PASS, une prépa ou une L1 : le guide 2026
PASS sans place, prépa abandonnée, L1 décevante : comment se réorienter sans perdre de temps, quelles filières accueillent en cours d'année, et pourquoi la data/IA est le rebond le plus rentable.