Un analyste qui transforme vos données en réponses fiables : indicateurs bien définis, tableaux de bord utilisés, analyses qui éclairent une décision, et une pratique de l'IA qui accélère le travail sans compromettre l'exactitude des chiffres. Nous vous présentons 1 ou 2 profils évalués en moins de 48h.
Par Hugo Brisset · Mis à jour le
Le Data Analyst exploite les données de l'entreprise pour répondre aux questions des équipes métier : pourquoi un indicateur baisse, quel segment de clients est le plus rentable, quel effet a eu une campagne. Il interroge l'entrepôt de données en SQL, prépare et explore les données en Python avec Pandas et NumPy, puis restitue ses résultats dans des tableaux de bord sous Looker, Looker Studio, Power BI ou Tableau.
Son travail repose désormais sur une stack de données moderne : entrepôt cloud comme Snowflake ou BigQuery, modèles de transformation gérés avec dbt, couche sémantique qui garantit que chaque indicateur se calcule partout de la même façon. Excel reste présent, notamment avec Power Query, mais il sert de plus en plus de point de sortie plutôt que de source de vérité.
L'IA générative change la façon de travailler : rédaction de requêtes SQL, nettoyage de jeux de données, premiers commentaires d'un graphique, et même interfaces conversationnelles qui permettent aux métiers d'interroger eux-mêmes la donnée. Une requête plausible peut pourtant renvoyer un chiffre faux. La valeur du Data Analyst tient à sa connaissance des données, à sa méthode de vérification et à sa capacité à expliquer un résultat. C'est ce que nous évaluons.
Les besoins les plus fréquents pour lesquels nos clients font appel à ce profil.
Recueil des besoins de pilotage, conception de tableaux de bord sous Looker, Looker Studio, Power BI ou Tableau, rationalisation des rapports existants, documentation et formation des utilisateurs.
Dictionnaire des KPI, règles de calcul partagées, mise en place ou enrichissement d'une couche sémantique, contrôles de cohérence entre les différents rapports et les systèmes sources.
Analyses de performance commerciale, de parcours client, de rétention ou de churn, segmentation, analyses de cohortes, avec des recommandations formulées pour les équipes métier et la direction.
Conception et lecture de tests A/B, mesure de l'impact d'une campagne ou d'une évolution produit, suivi des expérimentations et restitution des résultats avec leurs limites statistiques.
Requêtes SQL et scripts Python pour nettoyer, rapprocher et enrichir les données, détection des anomalies, remontée des problèmes de qualité aux équipes data engineering.
Jeux de données certifiés, modèles réutilisables, accompagnement au libre-service analytique et cadrage des usages d'interrogation de la donnée en langage naturel.
Les technologies qui reviennent le plus dans les besoins de nos clients.
Ce qui nous distingue
Après une préqualification de 5 à 10 minutes, chaque freelance passe un entretien technique et comportemental mené par un ingénieur, en partie en partage d'écran. Nous voulons voir comment il travaille réellement, pas l'entendre le raconter.
Quels outils il utilise pour écrire ses requêtes, explorer un jeu de données ou rédiger une synthèse, et quelles limites il a rencontrées. Nous attendons des exemples précis, pas une liste d'outils.
Comment il contrôle une requête SQL ou un calcul produit par l'IA : granularité, jointures, doublons, filtres implicites, rapprochement avec un chiffre de référence. Un Data Analyst sérieux sait pourquoi un résultat est faux.
Un assistant branché sur la documentation des données, une bibliothèque de prompts, un Skill ou un serveur MCP pour interroger l'entrepôt, et la manière dont il l'a fait évoluer avec l'usage.
Ce qu'il pense des outils qui permettent aux métiers d'interroger la donnée en langage naturel : prérequis de modélisation, risques d'erreur, garde-fous à poser, données à ne pas exposer.
Sans pratique de l'IA illustrée et démontrée, nous ne donnons pas suite.
Tarifs
Ces montants sont des estimations du TJM constaté sur le marché freelance français, hors taxes. Nous communiquons le TJM exact avec les profils, sous 48h.
TJM moyen constaté sur le marché
520 €
Fourchette : 430 € à 620 € HT par jour
| Niveau | TJM marché HT | À savoir |
|---|---|---|
| ConfirméTableaux de bord, requêtes SQL et analyses récurrentes sur un périmètre métier. | 460 € | |
| SeniorAnalyses complexes, définition des indicateurs et accompagnement des équipes métier. | 540 € | |
| ExpertPilotage analytique d'un domaine, couche sémantique, tests A/B et conseil auprès de la direction. | 600 € |
Source : Estimation de marché établie en octobre 2026 à partir de baromètres publics de TJM freelance en France. Ce ne sont pas des montants facturés par Top Profil. · TJMètre, baromètre TJM Data 2026 · Free-Work, TJM Data analyst
FAQ
Sur le marché freelance français, un Data Analyst confirmé à expert facture le plus souvent entre 430 et 620 € hors taxes par jour, autour de 520 € en moyenne. Le tarif varie selon la séniorité, la stack, la localisation et la part de conseil attendue. Nous communiquons le TJM exact avec les profils présentés.
Le Data Analyst explique ce qui s'est passé et pourquoi, à partir de données structurées, de SQL et de tableaux de bord. Le Data Scientist construit des modèles statistiques ou d'apprentissage automatique pour prévoir, classer ou recommander. Si votre besoin porte sur le pilotage et la compréhension de l'activité, un Data Analyst est le bon point de départ.
Le Data Engineer construit et maintient les pipelines qui amènent la donnée dans l'entrepôt. Le Data Analyst exploite cette donnée pour produire des analyses et des indicateurs. Les deux se rejoignent autour de dbt et de la modélisation, mais un Data Analyst a besoin d'une donnée déjà disponible et fiable pour être pleinement efficace.
Un SQL solide, la maîtrise d'un outil de visualisation, des bases de Python et de statistiques, et surtout la capacité à traduire une question métier en analyse puis en recommandation. Nous vérifions ces points en entretien, en partie en partage d'écran, sur des exemples tirés de son expérience.
Oui, c'est un format courant : deux ou trois jours par semaine suffisent souvent pour tenir le reporting et mener quelques analyses. Un temps plein se justifie plutôt lors de la refonte d'un ensemble de tableaux de bord ou de la mise en place d'une couche sémantique. Nous définissons le rythme avec vous dès le premier échange.
L'IA accélère la rédaction des requêtes et la préparation des données, et permet aux métiers de poser certaines questions eux-mêmes. Elle ne sait pas, seule, si un indicateur est bien défini ni si un chiffre est cohérent avec la réalité de l'entreprise. Le Data Analyst devient le garant de cette fiabilité, à condition de maîtriser lui-même ces outils.
Fiche rédigée par Hugo Brisset, cofondateur de Top Profil.
Publiée le , mise à jour le .
Échangeons 30 minutes sur votre besoin. Nous vous présentons des profils évalués en moins de 48h.
