Formations finançables CSF / OFPPT et GIAC : nous montons votre dossier Lun – Ven · 9h – 17h06 33 33 22 50contact@hrmco.ma
HRMCOPARTNERS
Menu
Accueil
Formations
Certifications
Conseil
Recrutement
ContactDevenir partenaire
WhatsApp Devis gratuit
Nouvelle fiche

Data scientist au Maroc : missions, compétences et salaire

Il construit des modèles statistiques et d’apprentissage automatique pour prédire, classer ou recommander.

Mis à jour le · Contenu relu par Abderrahim JEBNI, HRMCO Partners

FamilleIntelligence artificielle
FormationBac+5 data science
Net mensuel (estimation)10 700 – 32 700 MAD
ÉvolutionLead data scientist
Data scientist : femme travaillant sur un ordinateur portable à un bureau
1 · Rôle

Quel est le rôle du data scientist ?

Le data scientist explore les données, formule des hypothèses, développe des modèles de prévision, de scoring ou de segmentation, les évalue et explique leurs résultats aux métiers.

Il reçoit
  • Questions métiers
  • Données historiques
  • Contraintes de déploiement
Data scientistPrédit et explique grâce aux modèles
Il produit
  • Modèles prédictifs
  • Analyses exploratoires
  • Résultats expliqués
  • Prototypes
2 · Responsabilités

Ses responsabilités au quotidien

12345Sciencedes données
  1. 1Explorer
    Analyser et comprendre les données
  2. 2Préparer
    Créer les variables utiles
  3. 3Modéliser
    Entraîner et comparer les modèles
  4. 4Évaluer
    Mesurer la performance et les biais
  5. 5Expliquer
    Restituer les résultats aux métiers

Au quotidien, concrètement

  • Explorer et comprendre les données
  • Construire les variables explicatives
  • Développer des modèles prédictifs
  • Évaluer et comparer les modèles
  • Expliquer les résultats aux métiers
  • Présenter les recommandations
  • Industrialiser avec les ingénieurs
  • Suivre les performances
3 · Compétences

Les compétences clés

StatistiquesMachine learningPythonSQLConnaissance métierCommunication
Profil juniorProfil confirmé
Techniques
  • Statistiques et probabilités
  • Scikit-learn, XGBoost
  • Python, SQL
  • Visualisation
  • IA générative : concevoir prompts, agents et chaînes RAG, évaluer et sécuriser les sorties des modèles
Comportementales
  • Curiosité
  • Esprit critique
  • Pédagogie
  • Persévérance
Voir les niveaux en tableau
CompétenceJuniorConfirmé
Statistiques3/55/5
Machine learning3/55/5
Python4/55/5
SQL3/54/5
Connaissance métier2/54/5
Communication2/54/5

Niveau attendu de 1 à 5 : appréciation de HRMCO Partners.

4 · Parcours professionnel

Le parcours type

  1. Étape 1 · FormationBac+5 en statistiques, mathématiques appliquées, informatique ou data sciencePoint de départ
  2. Étape 2 · 0–2 ansData scientist juniorAnalyses et modèles simplesNet mensuel10 700 – 13 800 MAD
  3. Étape 3 · 3–5 ansData scientistModèles en productionNet mensuel13 800 – 18 900 MAD
  4. Étape 4 · 6–10 ansData scientist seniorProjets stratégiquesNet mensuel18 900 – 25 200 MAD
  5. Étape 5 · 10 ans et +Lead data scientistÉquipe et méthodesNet mensuel25 200 – 32 700 MAD
Et ensuite :Lead data scientistMachine learning engineerChief data officer

Les années d’expérience sont indicatives ; les rythmes réels varient selon l’entreprise.

5 · Outils de travail

Les outils du métier

  • PythonPandas, scikit-learnIndispensable
  • SQLAccès aux donnéesIndispensable
  • JupyterNotebooks d’analyseIndispensable
  • CloudEntraînement et déploiementCourant
  • IA générativeAPI OpenAI, Anthropic, Google et Mistral, GitHub Copilot, modèles open sourceNouveau levier

Autres outils du quotidien

  • Git et GitHubversionnage du code et des modèles
  • Dockerconteneurisation des services
  • MLflowsuivi des expériences
  • Hugging Facemodèles et jeux de données open source
  • Jirasuivi des sprints

L’IA générative au service du métier

Exemples d’usages pour un data scientist :

  1. 1Générer du code d’analyse et de visualisation
  2. 2Vulgariser les résultats
  3. 3Créer des données synthétiques pour les tests
Bonnes pratiques : utiliser les outils validés par l’employeur, ne jamais y saisir de données personnelles ou confidentielles (loi 09-08), vérifier chaque résultat et garder la décision humaine.
6 · Salaire au Maroc

Combien gagne un data scientist au Maroc ?

Dans le secteur privé, les repères publiés par Jobsquare.ma en juin 2026 pour ce type de poste vont de 8 000 à 55 000 MAD bruts par mois. Le montant dépend de l’expérience, du secteur, de la ville et de la taille de l’employeur.

Repères publiés · consultés le 24 octobre 2026
Brut mensuel, secteur privé
8 000 – 55 000 MAD
Source
Jobsquare.ma, juin 2026
Repères de salaire publiés les plus proches du métier (MAD par mois)
  • Data analyst juniorbrut mensuel8 000 – 13 000 MAD
  • Data engineer / data scientist confirmébrut mensuel15 000 – 30 000 MAD
  • Data architect / AI leadbrut mensuel30 000 – 55 000 MAD
0 k12 k24 k36 k48 k60 k

Sources : Secteur privé : Jobsquare.ma, « Salaires au Maroc par secteur et métier en 2026 » (11 juin 2026), fourchettes brutes mensuelles indicatives établies à partir des guides des salaires de Michael Page Maroc et Diorh (2025-2026), de l’étude BBA Conseil, des offres d’emploi publiées et des données CNSS et HCP. Le salaire réel varie selon l’expérience, le secteur, la ville et la taille de l’employeur.

Se former pour devenir data scientist

Questions fréquentes

Qu’est-ce qu’un data scientist ?

Le métier de data scientist relève de la famille « Intelligence artificielle ». Il construit des modèles statistiques et d’apprentissage automatique pour prédire, classer ou recommander. En une phrase : « Prédit et explique grâce aux modèles ».

Que fait un data scientist au quotidien ?

Au quotidien, un data scientist doit notamment : explorer et comprendre les données ; construire les variables explicatives ; développer des modèles prédictifs ; évaluer et comparer les modèles ; expliquer les résultats aux métiers.

Quelles sont les missions du data scientist ?

Un data scientist a 5 missions principales : explorer (analyser et comprendre les données) ; préparer (créer les variables utiles) ; modéliser (entraîner et comparer les modèles) ; évaluer (mesurer la performance et les biais) ; expliquer (restituer les résultats aux métiers).

Quelles compétences pour devenir data scientist ?

Compétences techniques : Statistiques et probabilités, Scikit-learn, XGBoost, Python, SQL, Visualisation. Qualités comportementales : Curiosité, Esprit critique, Pédagogie, Persévérance. La maîtrise de l’IA générative devient un atout : concevoir prompts, agents et chaînes RAG, évaluer et sécuriser les sorties des modèles.

Quelle formation pour devenir data scientist au Maroc ?

Bac+5 en statistiques, mathématiques appliquées, informatique ou data science. Pour se spécialiser ou progresser, HRMCO propose : Certificat Data analyst, Formations Intelligence artificielle.

Combien gagne un data scientist au Maroc ?

Dans le secteur privé, les repères publiés par Jobsquare.ma en juin 2026 pour ce type de poste vont de 8 000 à 55 000 MAD bruts par mois. Le montant dépend de l’expérience, du secteur, de la ville et de la taille de l’employeur.

Quel est le salaire du data scientist selon l’expérience ?

Repères publiés : Data analyst junior : 8 000 à 13 000 MAD bruts par mois ; Data engineer / data scientist confirmé : 15 000 à 30 000 MAD bruts par mois ; Data architect / AI lead : 30 000 à 55 000 MAD bruts par mois. Sources : Jobsquare.ma (juin 2026).

Quel est le parcours de carrière du data scientist ?

Parcours type : Data scientist junior (0–2 ans) → Data scientist (3–5 ans) → Data scientist senior (6–10 ans) → Lead data scientist (10 ans et +). Évolutions possibles ensuite : Lead data scientist, Machine learning engineer, Chief data officer. Les durées sont indicatives.

Quels outils doit maîtriser un data scientist ?

Python, SQL, Jupyter, Cloud, complétés par Git et GitHub, Docker, MLflow, Hugging Face et des assistants d’IA générative (API OpenAI, Anthropic, Google et Mistral, GitHub Copilot, modèles open source).

Comment l’IA générative change-t-elle le métier de data scientist ?

Elle prend en charge une partie des tâches de rédaction, de recherche et d’analyse : générer du code d’analyse et de visualisation ; vulgariser les résultats ; créer des données synthétiques pour les tests. L’expertise métier, le contrôle des résultats et la responsabilité des décisions restent humains.