Cabinet de recrutementData
Data Analyst, Data Engineer, Data Scientist, ML Engineer, Analytics Engineer, Data Product Manager, Head of Data…
Les meilleurs profils Data ne postulent pas, ils se chassent.
0 rupture de période d'essai en 2025
Ils nous font confiance pour leurs recrutements Data
- Chanel
- Aqemia
- Ada
- Bryj
- Gino
- Data Impact
- Lacoste
- Lifen
- Mee6
- Le Permis Libre
- Pharow
- Quicksign
- Qwant
- Swaap
- Uggy
- Surfe
- Valrhona
- Méria
- Sis ID
- Smappen
- Skynopy
- Klineo
- Turo
- Typology
- 62
recrutements en Data depuis 2023
- 80 000+
candidats dans notre réseau
- 90 %
des candidats acceptent la promesse d'embauche de nos clients
Notre approche
Pourquoi nous confier votre recrutement Data
Chasse ciblée
Nous approchons directement les meilleurs profils Data via notre licence LinkedIn Recruiter, notre vivier entretenu et la cooptation. Chaque candidat est sélectionné pour sa maîtrise technique, ses projets en production et sa capacité à parler aux métiers.
Nos canaux de chasse
Évaluation
Nous construisons avec vous une scorecard claire fondée sur vos enjeux data : maîtrise de la stack (Python, SQL, Spark, dbt), architecture des pipelines, business acumen et communication. Nous vérifions chaque réalisation citée avant présentation.
Scorecard Data type
Partenariat Long Terme
Nous partageons nos insights marché (grilles salariales par rôle data, tendances stacks, signaux de pré-départ) et nos rapports de chasse pour vous aider à structurer une équipe data solide.
Ce qu'on vous livre
Rapport de chasse personnalisé
Benchmark salaires actualisé
Veille talents en mouvement
Suivi closing & onboarding
Notre process
6 étapes pour signer le bon profil
Définition du besoin et scorecard
Ciblage et stratégie de chasse
Qualification et évaluation
Présentation des candidats et rapports
Accompagnement jusqu'au closing
Analyse des KPIs et amélioration continue
Définition du besoin et scorecard
Ciblage et stratégie de chasse
Qualification et évaluation
Présentation des candidats et rapports
Accompagnement jusqu'au closing
Analyse des KPIs et amélioration continue
Notre expertise Data
Métiers couverts, stacks maîtrisées, grilles salaires et niveaux de séniorité.
Consultant BI
Conçoit et déploie les solutions BI : Power BI, Tableau, ETL.
Data Analyst
Transforme la donnée en insights : Tableau, Looker, SQL avancé.
Data Engineer
Construit les pipelines data : Snowflake, BigQuery, dbt, Airflow.
Data Manager
Pilote la gouvernance data : qualité, catalogue, RGPD.
Data Product Manager
Pilote la roadmap data : APIs, plateformes self-service, KPIs.
Data Scientist
Construit les modèles prédictifs : feature eng, scikit-learn.
Head of Data
Pilote la fonction data : stack Snowflake, dbt, Looker.
Ingénieur BI
Industrialise les chaînes décisionnelles : entrepôts, ETL, BI.
Analytics Engineer
Combine Data Engineer et Analyst : dbt, SQL avancé, métriques.
Ils nous font confiance en Data
Un expert dédié, des témoignages clients et des recrutements signés à l'appui.
Témoignages clients Data
Charline Patay
Chief of Staff · Orus Energy
« Nous cherchions la perle rare. Une personne dynamique alliant technicité et ingéniosité avec une condition : ses hard skills sont aussi importantes que le fit avec le reste de l'équipe. Lity a su s'approprier nos critères, alimenter le pipe avec des candidats vraiment pertinents et nous présenter le profil que l'on attendait. Nous recommandons leurs services sans hésitation. »
Cas clients Data liés
Votre expert recrutement Data
+5 ans à recruter des profils Data
Le marché Data est sous tension depuis 2022. Recruter un Data Engineer, un Data Scientist ou un Head of Data capable de structurer une stack moderne (Snowflake, dbt, Airflow) prend des mois en interne, et les contre-offres sont fréquentes.
Julie Porchez pilote notre pôle Data chez Lity. Elle chasse les Data Analysts, Data Engineers, Data Scientists, ML Engineers, Analytics Engineers et Heads of Data depuis plus de 5 ans.
En savoir plus sur notre approcheRéduire
Sur la data, les organisations se sont stratifiées : un pôle analytics côté business, un pôle data engineering côté plateforme, un pôle science/ML côté produit. Recruter sans cadrer l'attendu (rôle BI, pipelines, ML, gouvernance) c'est garantir un mauvais fit. Les profils seniors qui maîtrisent à la fois la technique et le business sont rares et chassés.
Julie connaît les stacks data modernes (Snowflake, BigQuery, dbt, Airflow, Databricks, Looker, Metabase) et les organisations (data mesh, centralisée, decentralized). Elle sait calibrer un Data Engineer junior, un ML Engineer senior ou un Head of Data, vérifier la maturité des projets en production et lire un track record sans se faire avoir.
Notre méthode repose sur 4 sources complémentaires. Notre licence LinkedIn Recruiter pour la chasse directe sur les profils en poste. Notre vivier de profils Data entretenu en continu. La cooptation au sein de notre réseau de top performers. Et notre présence aux événements de la communauté Data. Scorecard construite avec vous. Pour les délais et résultats concrets, nos cas clients documentent chaque mission.
On accompagne toutes les entreprises
Start-up, scale-up, PME ou grand compte : nos méthodes s'adaptent à votre maturité et à vos enjeux de recrutement.
Start-up
1 à 30 personnes
En startup, un seul Data Analyst polyvalent suffit pour bâtir les premiers dashboards et mettre en place une stack légère (BigQuery + Metabase).
Scale-up
30 à 300 personnes
En scale-up, on structure : un Data Engineer pour la pipeline, un Analytics Engineer pour les modèles, un Data Analyst par domaine.
PME
50 à 500 personnes
En expansion, on recrute un Head of Data, on lance un programme ML/IA dédié et on monte des équipes data par BU avec un central platform team.
Grandes entreprises
ETI et grands groupes
En corporate, la data est gouvernée par un CDO, avec des dizaines de data engineers, scientists et analysts, et une plateforme data partagée.
Pour aller plus loin
Ressources et autres expertises signées Lity.
Ressources Data
Toutes les ressources
GuideComment recruter un Data Analyst en 2026 – Le guide complet
Lire l'article →
ComparatifData Analyst vs Business Analyst : Quelles sont les Différences ?
Lire l'article →
ComparatifData Analyst vs Data Scientist : quelles différences et quel métier choisir ?
Lire l'article →
SalaireSalaire Data Engineer : rémunération, facteurs d’évolution et perspectives
Lire l'article →Autres expertises Lity
Tous nos cabinetsOn répond à vos questions sur le recrutement Data.
Quels salaires data en France 2026 ?
Voici les fourchettes de salaire data en France en 2026, sur Paris :
- Data Analyst : 48-60 K€ confirmé, 58-75 K€ senior
- Data Engineer : 55-68 K€ confirmé, 70-85 K€ senior
- Data Scientist : 55-72 K€ confirmé, 70-90 K€ senior
- ML Engineer : 62-78 K€ confirmé, 78-100 K€ senior
- AI Engineer / LLM Engineer : 70-95 K€ confirmé, 90-130 K€ senior
- Head of Data scale-up : 105-130 K€ plus equity
Les profils ex-Mistral, ex-Anthropic ou ex-OpenAI sortent du barème classique, avec des packages alignés US.
Data Engineer, Data Scientist, Analytics Engineer : quelle différence ?
Trois métiers complémentaires qui se répartissent la chaîne data :
- Data Engineer : construit l'infrastructure data (pipelines ETL/ELT, entrepôts, qualité des données en production)
- Data Scientist : développe les modèles prédictifs et ML (feature engineering, expérimentation, déploiement)
- Analytics Engineer : fait le pont avec dbt, SQL avancé et modélisation de métriques business
La Modern Data Stack reposait initialement sur le Data Engineer plus le Data Scientist.
L'Analytics Engineer s'est imposé en 2022-2024 comme métier pivot, particulièrement en scale-up Series A+ où le besoin de gouvernance des KPIs business explose.
Comment évaluer un Data Engineer en 2026 ?
Quatre axes pour évaluer un Data Engineer en 2026 :
- Stack : maîtrise effective d'au moins une stack moderne en production (Snowflake ou BigQuery plus dbt plus Airflow)
- Qualité des pipelines : tests automatisés, observability, gestion des SLA
- Architecture : capacité à concevoir un système distribué scalable (Spark, Kafka, streaming temps réel)
- Business acumen : comprendre les KPIs métier et arbitrer entre rigueur technique et delivery
Un test pratique sur un cas concret (modéliser un dataset, optimiser une requête SQL complexe) révèle la profondeur réelle vs les buzzwords.
Le marché data en France est-il tendu en 2026 ?
Oui, le marché data français est tendu en 2026, particulièrement sur trois segments :
- Data Engineers seniors : maîtrisant la Modern Data Stack, ils restent extrêmement chassés en scale-up Series B+
- AI Engineers et LLM Engineers : le métier le plus tendu de 2026, popularisé par l'essor des copilotes IA et de l'IA agentique
- Heads of Data : avec track record sur des scale-ups internationales, ils sont rares et bien chassés
À l'inverse, le Data Analyst classique se stabilise, les Analytics Engineers gagnant en valeur stratégique avec dbt et la gouvernance métriques.
Quelle Modern Data Stack en 2026 ?
L'ELT (Extract-Load-Transform) a remplacé l'ETL classique. La Modern Data Stack 2026 s'articule autour de :
- Ingestion : Fivetran ou Airbyte
- Entrepôt : Snowflake ou BigQuery
- Transformation : dbt
- Orchestration : Airflow
- Restitution : Looker ou Metabase
- Streaming : Kafka, Kinesis ou Flink
- ML : MLflow, Weights & Biases, feature stores (Tecton, Feast)
- IA agentique : LangChain, LangGraph, vector DBs (Pinecone, Weaviate), evals (LangSmith, Braintrust)
Le Data Mesh structure les grandes organisations data-heavy.
Quelles évolutions de carrière en data ?
Plusieurs voies d'évolution en data.
Côté management :
- Data Analyst → Lead Analyst → Head of Analytics
- Data Engineer → Lead DE → Head of Data Engineering
- Data Scientist → Lead DS → Head of Data Science → Head of Data
La trajectoire Individual Contributor mène à Staff Data Engineer ou Principal Data Scientist.
Les pivots fréquents :
- AI Engineer : attire massivement les Data Scientists
- Data Product Manager / Founding Data Engineer : beaucoup de Senior DE y basculent, ce dernier en startup
- Pilotage stratégique data : voie d'évolution fréquente des Analytics Engineers
Confiez-nous le recrutement de vos profils Data.
Une approche de terrain pour des recrutements qui durent.
Échange (30 min)
Une visio pour cerner vos enjeux et vous présenter notre approche.
Immersion
Une rencontre sur place pour qualifier, en profondeur, votre culture et vos projets de recrutement.
Chasse ciblée
Lancement de la mission. Nous vous présentons uniquement les profils en parfaite adéquation avec vos attentes.