Qu'est-ce qu'un Data Manager ?
Un Data Manager pose les règles qui encadrent les données de l'entreprise, puis vérifie qu'elles sont appliquées. Il répond à des questions simples en apparence : ce chiffre est-il juste, qui en est responsable, qui a le droit de le voir ?
Son travail est transverse. Il parle aux directions métier qui créent les données, à la DSI qui les stocke et aux équipes data qui les exploitent. Sa réussite se mesure en erreurs évitées : une facture envoyée à la bonne adresse, un rapport réglementaire qui passe sans correction.
| Chantier | Question posée | Exemple concret |
|---|---|---|
| Gouvernance | Qui décide de quoi sur chaque donnée ? | La direction des achats est propriétaire des données fournisseurs |
| Qualité | La donnée est-elle juste et complète ? | 12 % des fiches clients n'ont pas de SIRET |
| Référentiels | Existe-t-il une seule version de chaque client, produit, fournisseur ? | Le même client existe trois fois dans le CRM et l'ERP |
| Documentation | Que veut dire chaque champ, et d'où vient-il ? | Le catalogue explique le calcul du chiffre d'affaires net |
Gouvernance
- Question posée
- Qui décide de quoi sur chaque donnée ?
- Exemple concret
- La direction des achats est propriétaire des données fournisseurs
Qualité
- Question posée
- La donnée est-elle juste et complète ?
- Exemple concret
- 12 % des fiches clients n'ont pas de SIRET
Référentiels
- Question posée
- Existe-t-il une seule version de chaque client, produit, fournisseur ?
- Exemple concret
- Le même client existe trois fois dans le CRM et l'ERP
Documentation
- Question posée
- Que veut dire chaque champ, et d'où vient-il ?
- Exemple concret
- Le catalogue explique le calcul du chiffre d'affaires net
Data Manager en français, et ses variantes
On parle de responsable gouvernance des données ou de gestionnaire des données. Les intitulés varient selon l'accent du poste. Le Data Governance Manager porte surtout les règles et les comités, le Data Quality Manager la mesure et la correction. Le MDM Manager se concentre sur les données de référence.
Attention à l'homonyme : le data manager des essais cliniques
Dans la santé, « data manager » désigne aussi le gestionnaire de données cliniques. Il conçoit la base qui reçoit les données d'un essai, souvent à partir d'un cahier d'observation électronique, et en contrôle la cohérence. Il suit les Bonnes Pratiques Cliniques et travaille avec des biostatisticiens.
C'est un autre métier, avec ses formations et ses employeurs : laboratoires, sociétés de recherche sous contrat, hôpitaux. Cette fiche traite du Data Manager en entreprise, chargé de la gouvernance.
Dans quelles entreprises ?
La banque et l'assurance recrutent le plus, poussées par leurs obligations réglementaires sur les données de risque. L'industrie et la distribution suivent, avec des milliers de références produits et de fournisseurs à tenir à jour dans plusieurs logiciels.
Les scale-ups créent le poste plus tard, souvent après un incident : un chiffre faux présenté au conseil d'administration, une demande de la CNIL. Dans les recrutements de notre cabinet data, le Data Manager arrive en général quand l'entreprise compte plusieurs systèmes qui décrivent les mêmes clients.

Les missions d'un Data Manager
Le poste alterne entre ateliers avec les métiers, travail sur les outils et pilotage d'indicateurs. Une large part consiste à convaincre des personnes qui ne dépendent pas de lui.
Écrire les règles et les faire adopter
Il rédige la politique de données : définitions communes, règles de saisie, durées de conservation, niveaux de sensibilité. Il la fait valider par un comité où siègent les directions concernées. Une règle que personne n'a validée reste lettre morte.
Nommer les responsables de chaque domaine
Il obtient que chaque grand domaine de données ait un data owner, un directeur qui décide et arbitre. Il forme ensuite les data stewards, les personnes de terrain qui documentent et corrigent au quotidien.
Mesurer et corriger la qualité
Il définit des contrôles automatiques : champ obligatoire vide, format invalide, doublon probable. Il publie chaque mois un tableau de bord de qualité par domaine et suit les plans de correction avec les stewards.
Tenir les données de référence
Clients, produits, fournisseurs, sites : ces données sont partagées par tous les logiciels. Le Data Manager organise leur création, leur modification et leur dédoublonnage, souvent avec un outil de MDM (Master Data Management).
Documenter dans un catalogue
Il fait vivre un catalogue de données : chaque table et chaque indicateur y ont une définition, un propriétaire et un niveau de sensibilité. Le lignage montre d'où vient une donnée et quels rapports en dépendent.
Une semaine type
Lundi, il anime le comité de gouvernance et fait valider la définition d'un client actif. Mardi, il travaille avec un steward des achats sur 800 fournisseurs en double. Mercredi, il prépare une réponse à l'audit interne sur les données de risque.
Jeudi, il documente avec le Data Engineer le lignage du chiffre d'affaires net. Vendredi, il publie le tableau de bord de qualité et relance deux directions en retard sur leurs corrections.
Gouvernance, qualité, référentiels : comment ça marche en pratique
La référence du métier est le DAMA-DMBOK, publié par l'association DAMA International. Sa représentation en roue place la gouvernance des données au centre, entourée des autres domaines : qualité, données de référence, métadonnées, sécurité, architecture. Les bons Data Managers le connaissent sans le réciter.
Les dimensions de la qualité des données
Dire qu'une donnée est « de mauvaise qualité » ne permet pas d'agir. Le Data Manager découpe la qualité en dimensions mesurables, chacune avec son contrôle.
| Dimension | Question | Contrôle possible |
|---|---|---|
| Complétude | Le champ est-il rempli ? | Part des fiches sans adresse de facturation |
| Exactitude | La valeur est-elle vraie ? | SIRET vérifié auprès du registre officiel |
| Unicité | Le client existe-t-il une seule fois ? | Fiches au même SIRET ou au même courriel |
| Validité | Le format respecte-t-il la règle ? | Code postal à cinq chiffres, date plausible |
| Cohérence | Deux systèmes disent-ils la même chose ? | Même adresse dans le CRM et dans l'ERP |
| Fraîcheur | La donnée est-elle à jour ? | Fiches non modifiées depuis plus de trois ans |
Complétude
- Question
- Le champ est-il rempli ?
- Contrôle possible
- Part des fiches sans adresse de facturation
Exactitude
- Question
- La valeur est-elle vraie ?
- Contrôle possible
- SIRET vérifié auprès du registre officiel
Unicité
- Question
- Le client existe-t-il une seule fois ?
- Contrôle possible
- Fiches au même SIRET ou au même courriel
Validité
- Question
- Le format respecte-t-il la règle ?
- Contrôle possible
- Code postal à cinq chiffres, date plausible
Cohérence
- Question
- Deux systèmes disent-ils la même chose ?
- Contrôle possible
- Même adresse dans le CRM et dans l'ERP
Fraîcheur
- Question
- La donnée est-elle à jour ?
- Contrôle possible
- Fiches non modifiées depuis plus de trois ans
L'exactitude n'est pas qu'une question d'efficacité. Le RGPD exige que les données personnelles soient exactes et, si nécessaire, tenues à jour. Une adresse erronée conservée sans correction devient un sujet de conformité.
Un référentiel client, du doublon à la fiche unique
Prenons une entreprise industrielle qui vend à des distributeurs. Le même client apparaît dans le CRM des commerciaux, dans l'ERP de facturation et sur le portail de commande. Les noms diffèrent : « Martin et Fils », « MARTIN & FILS SARL », « Ets Martin ».
- Rapprocher : l'outil de MDM compare les fiches sur le SIREN, le nom normalisé et l'adresse, puis propose des regroupements.
- Valider : un data steward confirme les cas douteux, par exemple deux établissements d'une même société.
- Choisir la bonne valeur : des règles disent quelle source fait foi pour chaque champ. L'ERP pour l'adresse de facturation, le CRM pour le contact commercial.
- Diffuser : la fiche unique, appelée « golden record », est renvoyée vers les logiciels qui en ont besoin.
- Empêcher le retour des doublons : la création d'un client passe désormais par un contrôle de l'existant.
Le gain se voit vite : des relances de paiement qui partent vers le bon interlocuteur, un chiffre d'affaires par client enfin juste. Sur nos missions, c'est souvent ce chantier qui donne au Data Manager sa crédibilité.
Data owner, data steward, Data Manager : qui fait quoi
| Rôle | Qui l'occupe | Exemple sur les données fournisseurs |
|---|---|---|
| Data owner | Un directeur métier | Le directeur achats décide qui peut créer un fournisseur |
| Data steward | Une personne de terrain dans la direction | Une acheteuse corrige les doublons et documente les champs |
| Data Manager | Le responsable gouvernance | Il fixe la méthode, outille, mesure et arbitre entre directions |
Data owner
- Qui l'occupe
- Un directeur métier
- Exemple sur les données fournisseurs
- Le directeur achats décide qui peut créer un fournisseur
Data steward
- Qui l'occupe
- Une personne de terrain dans la direction
- Exemple sur les données fournisseurs
- Une acheteuse corrige les doublons et documente les champs
Data Manager
- Qui l'occupe
- Le responsable gouvernance
- Exemple sur les données fournisseurs
- Il fixe la méthode, outille, mesure et arbitre entre directions
Les définitions varient d'une entreprise à l'autre, et beaucoup n'ont pas de steward à temps plein. Le principe reste le même : la responsabilité d'une donnée appartient au métier qui la produit, pas à l'informatique.
La banque, terrain historique de la gouvernance
En janvier 2013, le Comité de Bâle a publié ses principes sur l'agrégation des données de risque, connus sous le nom de BCBS 239. Ils sont quatorze, dont onze s'adressent aux banques : gouvernance, architecture, exactitude, complétude, rapidité des rapports.
Les grandes banques systémiques doivent les respecter depuis 2016. Une revue de la Banque centrale européenne publiée en 2018 constatait qu'aucun des 25 établissements examinés ne les appliquait entièrement. Ce chantier a créé une forte demande de Data Managers dans le secteur.

Les compétences que nous vérifions en recrutement
Les candidats citent volontiers Collibra et le DMBOK. Nous cherchons surtout la preuve qu'ils ont fait changer des pratiques dans des directions qui ne leur rendaient pas de comptes.
- Influence sans autorité : obtenir qu'un directeur nomme un owner et finance des corrections, sans pouvoir l'y obliger.
- Méthode qualité : dimensions, contrôles, seuils, tableau de bord. Le candidat cite un indicateur qu'il a fait progresser et comment.
- Données de référence : règles de rapprochement, choix de la source qui fait foi, circuit de validation.
- SQL : assez pour vérifier lui-même un doublon ou un taux de complétude, sans attendre un ingénieur.
- Culture réglementaire : RGPD pour tous, BCBS 239 en banque, et le travail avec le DPO.
- Écrit : une politique de données lisible par un directeur commercial, en quelques pages.
Ce que nous faisons en entretien
Nous donnons au candidat un extrait de quarante fournisseurs venant de deux ERP, avec des doublons, des SIRET manquants et des adresses contradictoires. Il a vingt minutes pour proposer ses règles de rapprochement, la source qui fait foi pour chaque champ et qui valide les cas douteux. Nous ajoutons ensuite une difficulté : le directeur des achats refuse de désigner un responsable, faute de temps. Nous écoutons comment le candidat obtient malgré tout un engagement.

Salaire d'un Data Manager en 2026
Personne ne devient Data Manager en sortie d'études, et notre grille commence donc au palier confirmé. Un Data Manager confirmé touche 61 à 76 K€ de fixe brut annuel à Paris, un senior 71 à 85 K€. Le secteur, l'étendue du périmètre, le diplôme et l'ancienneté fixent la position dans la fourchette.
Salaire fixe brut annuel à Paris, hors variable
Confirmé
3-5 ans
61-71 K€
Médian : 66 K€
Senior
6-10 ans
71-85 K€
Expert / Lead
10 ans et +
87-106 K€ et plus
Paris et régions
On trouve ces postes à Paris et dans les sièges régionaux des grands groupes. Ailleurs qu'en Île-de-France, la décote atteint 10 à 15 %, autour de 10 % pour Lyon. Un poste entièrement à distance se cale à environ 8 % sous Paris.
| Niveau | Paris | Hors Paris |
|---|---|---|
| Confirmé (3-5 ans) | 61-71 K€ | 52-64 K€ |
| Senior (6-10 ans) | 71-85 K€ | 60-77 K€ |
| Expert / Lead (10 ans et +) | 87-106 K€ et plus | 74-95 K€ et plus |
Confirmé (3-5 ans)
- Paris
- 61-71 K€
- Hors Paris
- 52-64 K€
Senior (6-10 ans)
- Paris
- 71-85 K€
- Hors Paris
- 60-77 K€
Expert / Lead (10 ans et +)
- Paris
- 87-106 K€ et plus
- Hors Paris
- 74-95 K€ et plus
Pourquoi Glassdoor affiche moins
Glassdoor recense 162 salaires de Data Managers à Paris, avec une moyenne de 58 100 € variable compris. Un quart des déclarants reste sous 45 750 €, un quart dépasse 75 000 €.
Le bas de cet échantillon est sous notre grille, pour une raison simple. Le titre y mélange des gestionnaires de données cliniques et des postes opérationnels de saisie ou d'administration. Le quart supérieur, lui, correspond aux postes de gouvernance que décrit cette fiche.
Variable et avantages
Notre baromètre mesure une part variable moyenne de 12 %. En banque, c'est souvent un bonus annuel discrétionnaire, complété d'intéressement. Ailleurs, la prime est liée à des objectifs d'entreprise, ou absente.
En conseil ou en indépendant
Les cabinets de conseil en gouvernance placent des consultants sur des programmes de plusieurs mois, en banque surtout. Les indépendants existent, sur des missions de cadrage ou de déploiement d'un catalogue. Aucune grille publique de tarifs ne nous a paru assez solide pour être citée.
Sources : grille Data Manager à trois paliers du baromètre Lity, avec ses décotes hors Paris ; page Glassdoor des Data Managers parisiens consultée le 24 octobre 2026, soit 162 déclarations en rémunération totale.
Comment devenir Data Manager
Le poste se rejoint rarement en sortie d'école. On y arrive après trois à six ans dans un métier voisin, avec une appétence pour l'organisation autant que pour la technique.
Les formations
Les profils viennent de masters en systèmes d'information, de MIAGE, d'écoles d'ingénieurs ou d'écoles de commerce avec une spécialité data. La certification CDMP de DAMA International, fondée sur le DMBOK, est reconnue par les grands groupes. Elle reste un plus, pas un prérequis.
Les passerelles
Un Data Steward expérimenté est le candidat le plus naturel. Les Data Analysts seniors qui ont souffert de données fausses font souvent d'excellents Data Managers. Les Business Analysts apportent la cartographie des processus, et les Ingénieurs BI la connaissance de l'entrepôt.
En banque, les auditeurs internes et les contrôleurs des risques basculent aussi. Ils connaissent déjà les exigences réglementaires et les comités.
La reconversion
Les consultants en conformité RGPD élargissent parfois leur périmètre vers la gouvernance. Ils doivent apprendre SQL, la modélisation et les outils de qualité. Les profils purement juridiques, sans goût pour la donnée elle-même, peinent sur la partie technique.

Évolutions de carrière
Après quelques années, le Data Manager élargit son périmètre, prend la direction de la fonction data ou se spécialise.
| Voie | Postes | Fixe à Paris |
|---|---|---|
| Gouvernance | Head of Data Governance, Chief Data Officer | Pas de grille propre dans notre baromètre |
| Direction data | Head of Data | 80-98 K€ au palier senior, 101-124 K€ et plus au-delà |
| Architecture | Architecte SI, Data Architect | 94-115 K€ et plus pour un Architecte SI expert |
| Conformité | DPO, responsable risques | 80-98 K€ pour un DPO expert |
Gouvernance
- Postes
- Head of Data Governance, Chief Data Officer
- Fixe à Paris
- Pas de grille propre dans notre baromètre
Direction data
- Postes
- Head of Data
- Fixe à Paris
- 80-98 K€ au palier senior, 101-124 K€ et plus au-delà
Architecture
- Postes
- Architecte SI, Data Architect
- Fixe à Paris
- 94-115 K€ et plus pour un Architecte SI expert
Conformité
- Postes
- DPO, responsable risques
- Fixe à Paris
- 80-98 K€ pour un DPO expert
La voie vers Head of Data suppose d'encadrer aussi des ingénieurs et des analystes. Les profils techniques visent l'Architecte SI. La bascule vers DPO se fait surtout en banque et dans le secteur public, parfois avec un fixe un peu plus bas.
Data Manager, Data Steward ou Head of Data : les différences
| Critère | Data Manager | Data Steward | Head of Data |
|---|---|---|---|
| Périmètre | Toute l'entreprise, sur la gouvernance | Un domaine : clients, produits, RH | Toute la fonction data |
| Ce qu'il produit | Règles, contrôles, comités, catalogue | Corrections, définitions, documentation | Feuille de route, équipe, plateforme |
| Équipe | Rarement plus de quelques stewards | Aucune | Ingénieurs, analystes, data scientists |
| Fixe à Paris | 61-71 K€ confirmé | Pas de grille propre | 80-98 K€ senior |
Périmètre
- Data Manager
- Toute l'entreprise, sur la gouvernance
- Data Steward
- Un domaine : clients, produits, RH
- Head of Data
- Toute la fonction data
Ce qu'il produit
- Data Manager
- Règles, contrôles, comités, catalogue
- Data Steward
- Corrections, définitions, documentation
- Head of Data
- Feuille de route, équipe, plateforme
Équipe
- Data Manager
- Rarement plus de quelques stewards
- Data Steward
- Aucune
- Head of Data
- Ingénieurs, analystes, data scientists
Fixe à Paris
- Data Manager
- 61-71 K€ confirmé
- Data Steward
- Pas de grille propre
- Head of Data
- 80-98 K€ senior
Le Data Steward est souvent un futur Data Manager. Le Head of Data, lui, porte la gouvernance parmi d'autres sujets, et délègue au Data Manager quand le volume l'exige.
Les outils d'un Data Manager
Les outils de catalogue et de qualité forment le cœur de la stack. Le tableur reste pourtant présent à chaque phase de cadrage avec les directions métier.
CollibraPlateforme de référence pour cataloguer les données et gérer le lignage. Standard en banque et grands groupes français.
AlationCatalogue collaboratif. Utilisé pour documenter les jeux de données et fluidifier la recherche côté métier.
NotionWiki de gouvernance pour les politiques internes, glossaires métier et comptes rendus de comités data.
SnowflakeEntrepôt cloud sur lequel le Data Manager applique tags, masquage et politiques d'accès aux données sensibles.
dbtGénère la doc technique des modèles SQL et le lignage colonne par colonne. Pilier du modern data stack.
Monte CarloDétecte les ruptures de fraîcheur, schémas et volumes. Sert d'alerte avant remontée métier.
Power BITableaux de bord qualité données pour les comités. Indicateurs de complétude, conformité RGPD, dette data.
ExcelOutil de cartographie initiale et matrices RACI. Encore omniprésent en phase de cadrage avec les directions métier.


