Freelance data analyst

La fiche de poste dit « transformer la donnée en décision ». Sur le terrain, ça ressemble surtout à quelqu’un qui passe sa première semaine à comprendre pourquoi deux exports du même chiffre d’affaires ne donnent pas le même total.

Ce que fait vraiment un data analyst en indépendant

Le métier consiste à récupérer des données existantes, à les fiabiliser, à en tirer une lecture, puis à rendre cette lecture utilisable par des gens qui ne manipuleront jamais une requête. En indépendant, cette chaîne se joue sur un temps court, pour un commanditaire qui attend un résultat identifiable et daté.

Les missions les plus fréquentes

Quatre familles reviennent constamment, et la plus demandée est aussi la moins spectaculaire : remettre de l’ordre dans des données éparpillées entre un logiciel de gestion, un outil de caisse et une dizaine de tableurs. Viennent ensuite la construction d’un tableau de bord autonome, la réponse à une question précise par une analyse ponctuelle, et la mise en place d’un suivi récurrent assorti d’une méthode transmissible.

Les secteurs varient, la mécanique beaucoup moins. Un distributeur veut comprendre ses ruptures de stock, une plateforme veut savoir où ses utilisateurs abandonnent leur parcours, une association veut mesurer l’efficacité de ses campagnes. Le sujet change, l’enchaînement reste le même.

Ce qui distingue le travail en mission du travail en poste

En interne, un analyste accumule un capital de contexte : il sait quel commercial saisit mal ses données, pourquoi le mois de juillet est toujours étrange, à qui demander un accès. En mission, ce capital n’existe pas. Il faut le reconstituer vite, et cette phase est rarement facturée à sa juste valeur.

Autre différence, plus structurante : un indépendant doit produire un livrable autonome. Un tableau de bord dont l’interprétation dépend de sa présence devient inutilisable le lendemain de son départ. Cette exigence de transmissibilité change la façon de travailler, jusque dans la manière de nommer les colonnes et de documenter une règle de calcul.

Data analyst, data scientist, data engineer

où passe la frontière

La question paraît théorique. Elle est commerciale : accepter une mission mal qualifiée revient à passer trois semaines sur un travail qu’on ne sait pas mener, ou à facturer de l’ingénierie au prix d’une analyse.

Beaucoup de missions vendues comme de l’analyse dérivent en pratique vers le périmètre de l’analytics engineer, parce que le client découvre en cours de route que ses données ne sont pas prêtes. D’où une règle de prudence simple, qui vaut pour toute avant-vente : la première question ne porte pas sur le besoin exprimé, mais sur l’état réel des données disponibles.

Les compétences et les outils réellement attendus

Le socle technique se réduit à moins de choses qu’on ne le raconte, et il se hiérarchise.

Non négociable d’abord : SQL. C’est le langage commun de presque toutes les missions, et il n’exige pas de compétence de développeur. Vient ensuite l’outil de restitution, qui dépend du client plus que de l’analyste : la solution de visualisation est le plus souvent déjà déployée et sous licence chez lui, et s’y adapter fait partie du travail. Python ou R interviennent quand le traitement dépasse ce que permet une requête, typiquement pour automatiser un nettoyage répété d’un mois sur l’autre.

Le reste dépend du contexte : environnement cloud, entrepôt de données, outil de transformation, connecteurs vers des applications métier. Aucune pile technique ne fait référence universelle, et un indépendant capable de dire honnêtement ce qu’il maîtrise et ce qu’il découvrira en mission inspire plus confiance que celui qui coche toutes les cases.

Les compétences non techniques pèsent au moins autant, et elles se voient dès le premier rendez-vous. Reformuler une demande vague en question mesurable. Dire qu’une analyse ne donnera rien parce que les données nécessaires n’ont jamais été collectées. Annoncer un résultat contre-intuitif à un dirigeant qui espérait l’inverse, en tenant la démonstration. Ces trois capacités séparent un prestataire qu’on rappelle d’un prestataire qu’on remercie poliment.

Qui recrute, et sur quels formats de mission

Le marché n’a rien d’homogène. Les grandes structures passent par des cabinets ou des places de marché et raisonnent en régie longue, avec un cadre défini et une intégration à une équipe existante. Les entreprises de taille intermédiaire recrutent plutôt au forfait, sur un besoin identifié et un livrable daté. Les petites structures et les jeunes pousses cherchent un profil polyvalent, capable d’aller du branchement des sources au graphique final, sur des missions courtes parfois reconduites.

Trois formats coexistent, et le choix n’est pas qu’une affaire de rémunération : il détermine qui porte le risque d’un périmètre mal défini au départ. La régie facture du temps et absorbe les changements de cap, au prix d’une visibilité incertaine sur la fin de mission. Le forfait facture un livrable et exige un cadrage sérieux, faute de quoi les demandes hors périmètre s’accumulent sans contrepartie. L’abonnement mensuel, plus rare, sécurise un revenu régulier contre un engagement de disponibilité qu’il faut pouvoir tenir en pleine charge.

Un forfait signé sur un besoin flou transfère l’intégralité de ce risque au prestataire. C’est la bascule la plus fréquente, et la plus coûteuse.

Anatomie d’une mission, du cadrage au transfert

Les missions qui se passent mal échouent presque toujours au même endroit, et rarement sur la technique. Cinq étapes, chacune avec son point de rupture connu.

Accès, confidentialité et conformité

le sujet qui bloque le démarrage

Manipuler des données clients, salariés ou patients engage bien au-delà du contrat de prestation, et le sujet arrive dès le premier échange sérieux.

Dès qu’un indépendant traite des données personnelles pour le compte d’un client, il agit en principe comme sous-traitant au sens du règlement européen, le client demeurant responsable de traitement. La qualification dépend de la finalité et des moyens du traitement, mais dans le schéma courant d’une mission d’analyse, elle s’applique. Elle n’a rien de cosmétique : elle impose un contrat écrit encadrant les traitements, des obligations de sécurité et de confidentialité, et l’interdiction d’utiliser les données à d’autres fins. La CNIL publie des guides et des modèles destinés précisément aux prestataires.

S’y ajoutent des questions très concrètes, à régler avant le premier accès. Sur quel matériel travaille-t-on, celui du client ou le sien ? Où sont stockées les extractions pendant la mission, et que deviennent-elles après ? Que couvre exactement la clause de confidentialité signée, et pour combien de temps ? Un client sérieux pose ces questions ; un prestataire sérieux a déjà les réponses.

Dernier point, souvent négligé : une anonymisation annoncée par le client ne règle rien si les données restent réidentifiables par recoupement. Mieux vaut poser la question au démarrage que la découvrir lors d’un contrôle.

Le métier tient finalement moins à la maîtrise d’un outil qu’à une discipline : poser la bonne question, vérifier ce que les données permettent réellement de dire, et laisser derrière soi quelque chose que d’autres sauront faire tourner. Un travail qui tient, c’est un travail qu’on referait demain — et surtout, qu’un autre pourrait reprendre après-demain.