Data scientist en portage salarial : missions IA et machine learning
Le métier a changé de nature. Les missions d'exploration et de preuve de concept ont laissé place à des projets de mise en production, d'industrialisation de modèles et, depuis l'arrivée des modèles génératifs, de déploiement encadré de solutions d'IA au sein des organisations.
Cette évolution s'accompagne d'un cadre réglementaire en construction, qui fait entrer la conformité dans le périmètre du data scientist.
Le marché de la data science en freelance
Quatre types de projets concentrent aujourd'hui les besoins exprimés aux consultants indépendants.
L'industrialisation des modèles et le MLOps. Passer d'un modèle qui fonctionne sur un poste de travail à un service surveillé, versionné et réentraîné selon un calendrier défini. La difficulté est moins statistique qu'opérationnelle : gestion des dérives, reproductibilité, supervision.
Le déploiement d'IA générative en entreprise. Encadrer les usages, définir ce qui peut être soumis à un modèle et ce qui ne peut pas l'être, mesurer la qualité des réponses, tracer les traitements et organiser la revue humaine. Ces missions mêlent conception technique et gouvernance.
Les projets de prévision et d'optimisation. Prévision de demande, planification, allocation de ressources : ces travaux sont adossés à un enjeu métier chiffré, ce qui les rend plus faciles à financer et plus exigeants sur la démonstration de valeur.
La conformité des systèmes d'IA. Documentation des jeux de données, évaluation des risques, journalisation des décisions, information des personnes concernées. Un besoin nouveau, qui apparaît d'abord dans les secteurs déjà fortement régulés.
La tendance de fond est nette : la demande se déplace de la recherche vers la mise en production. Les organisations ne cherchent plus à prouver qu'un modèle est possible, mais à l'exploiter durablement dans leurs processus.
Pourquoi le portage convient aux missions data science
Des projets à jalons, donc des intermissions structurelles
Un projet de modélisation se découpe en phases : cadrage, expérimentation, validation, industrialisation. Il se termine, et il se termine plus souvent qu'une mission de plateforme. L'alternance entre engagements courts et périodes sans mission n'est pas un accident de parcours, c'est le rythme normal du métier.
Le salariat porté rend cette alternance supportable : cotisations continues, droits constitués pendant les phases actives, mobilisables ensuite.
Un cadre contractuel que les grands comptes acceptent plus facilement
Sur les sujets d'intelligence artificielle, les directions juridiques et les responsables de la conformité examinent qui traite les données, sous quelle responsabilité et avec quelle couverture assurantielle. Face à ces questions, un indépendant en nom propre présente un dossier fragile.
Contractualiser avec une société de portage assurée et couverte par une garantie financière transforme cet examen en formalité.
Des frais professionnels spécifiques à l'expérimentation
Le métier suppose des dépenses que peu d'autres expertises IT connaissent, déductibles sur justificatifs et hors assiette de cotisations :
- Puissance de calcul : ressources louées pour entraîner et évaluer des modèles
- Environnements d'expérimentation : espaces de travail personnels distincts des environnements clients
- Conférences et publications : inscriptions, déplacements associés, frais de soumission
- Formation continue : mise à niveau sur des technologies dont le cycle d'obsolescence est court
Le régime applicable à ces dépenses est exposé sur la page avantages du consultant porté.
Quel TJM pour un data scientist ?
Le TJM d'un data scientist se négocie mission par mission. Trois éléments déterminent la position tarifaire d'un profil sur ce marché.
L'expérience réelle de la mise en production. Avoir exploité un modèle en service pendant plusieurs mois, corrigé ses dérives et assuré son réentraînement pèse davantage qu'un portefeuille de travaux exploratoires, aussi nombreux soient-ils.
La maîtrise des sujets de conformité. Savoir documenter un système, argumenter son niveau de risque et dialoguer avec un délégué à la protection des données ouvre des missions que peu de profils peuvent tenir.
La connaissance d'un domaine métier. Comprendre la tarification en assurance, la logistique industrielle ou la détection de fraude bancaire raccourcit le temps de cadrage, et cela se facture.
Accéder au portage lorsqu'on vient de la recherche
L'entrée en portage repose sur une qualification établie, une autonomie dans la conduite de la prestation et la capacité à négocier vous-même vos missions.
Les deux premières ne posent aucune difficulté à un profil issu d'un cursus doctoral ou d'un laboratoire : le niveau d'expertise est documenté et la conduite autonome de travaux est l'essence même de la démarche de recherche.
Le véritable point d'attention se situe ailleurs. C'est la troisième condition, celle de l'autonomie commerciale, qui surprend les candidats venus de la recherche, car le portage ne fournit pas les missions : il sécurise l'exécution d'une mission que vous avez trouvée. Chez AKM Portage, l'adossement au groupe donne accès aux missions du groupe, mais cela ne remplace pas votre propre démarche auprès des clients et des plateformes d'intermédiation.
Les autres exigences du cadre légal, dont la rémunération minimale conventionnelle, sont détaillées dans notre guide portage salarial informatique.
Les missions data science chez AKM Portage
AKM Portage est adossée au groupe AKM, société de conseil IT dont les consultants interviennent sur des missions data et décisionnelles chez L'Oréal, Safran, Enedis, BNP Paribas et Kering.
Cet ancrage change la nature des échanges : les sujets d'industrialisation et de gouvernance de modèles sont discutés avec des interlocuteurs qui les rencontrent chez leurs propres clients.
Une mission de responsable SI actuellement ouverte comporte un volet de déploiement encadré de solutions d'IA génératives et de gouvernance associée. Parcourir les missions IT ouvertes.
Statuts comparés face à des revenus irréguliers
Un enchaînement de projets à jalons produit des revenus en dents de scie : deux trimestres pleins, un trimestre à l'arrêt, une reprise sur un nouveau sujet. C'est de cette variabilité qu'il faut partir pour comparer les statuts, plutôt que du seul niveau de chiffre d'affaires.
En micro-entreprise, un trimestre creux ne génère aucun revenu de remplacement et l'abattement forfaitaire ne restitue rien des dépenses de calcul et de formation engagées pendant les phases actives.
En société, vous pouvez théoriquement lisser vous-même en arbitrant salaire et dividendes, mais l'exercice suppose une trésorerie constituée, un accompagnement comptable et l'acceptation d'une absence de couverture chômage en cas d'arrêt prolongé.
Le portage traite la variabilité à la source : chaque mission alimente vos droits sociaux, les phases creuses restent couvertes et le lissage de la rémunération s'opère à partir de votre compte d'activité. La comparaison détaillée des trois options figure dans le guide du portage salarial informatique.
Lancer un projet data science en portage
Qualifier le projet. Nous examinons avec vous les livrables attendus, les jalons annoncés par le client et les ressources techniques que vous devrez engager.
Sécuriser les documents. Contrat de travail, contrat de prestation et clauses relatives aux données et à la propriété des travaux sont établis avant le lancement.
Piloter dans la durée. Chaque mois, vous retrouvez la facturation, votre bulletin de paie et le détail de votre compte d'activité. Le déroulé complet est présenté sur la page « comment ça marche », et l'effet des frais de gestion se mesure dans le simulateur.
Questions fréquentes
Poursuivre sur les métiers data voisins
Peu de missions data science se limitent à la modélisation. Lorsque l'industrialisation suppose de reprendre les flux d'alimentation, le guide du data engineer en portage salarial décrit les missions de plateforme correspondantes. Lorsque les résultats doivent être restitués à des directions métiers sous forme d'indicateurs suivis, celui du consultant BI en portage salarial couvre la partie décisionnelle et sa gouvernance.
Passer à la pratique
Estimez votre taux de restitution en quelques secondes, puis exposez votre projet data science à un conseiller.