Léa, data scientist : pourquoi elle gagne 62k à Lyon après avoir refusé 55k à Paris

Léa, data scientist : pourquoi elle gagne 62k à Lyon après avoir refusé 55k à Paris

En février 2026, Léa ouvre un tableur vide. Deux colonnes : « Paris » et « Lyon ». Elle y colle des salaires d'offres data science trouvées sur Welcome to the Jungle. Au bout de quarante minutes, elle a 21 offres parisiennes et 3 lyonnaises avec fourchette affichée. Le premier réflexe serait de conclure que Paris domine. Sauf que les chiffres racontent autre chose.

Cette histoire n'est pas un cas isolé de coup de chance en entretien. Elle résume un phénomène plus large, vérifié sur 4 423 offres tech scrappées entre le 20 et le 30 avril 2026 : le lien entre Paris et meilleur salaire tech ne tient plus systématiquement en 2026.

Le point de départ : 3 ans d'expérience, un CDI parisien à 48k

Léa travaille depuis 2023 dans une startup parisienne de la proptech. Stack classique : Python, scikit-learn, un peu de TensorFlow pour des modèles de pricing immobilier. Son salaire, 48 000 € brut annuel, lui semblait correct à l'embauche. Trois ans plus tard, elle se demande si elle ne stagne pas.

Un ami DevOps — on y reviendra — lui envoie un lien vers notre base de données. Elle découvre que la médiane des offres data science à Paris avec salaire affiché sur WTTJ tourne autour de 27 300 € en fourchette basse, 31 100 € en haute. Elle fronce les sourcils. Ces chiffres lui paraissent bas.

Ils le sont. Pour une raison simple.

Le piège de la transparence sélective

Sur 282 offres data science collectées via WTTJ en avril 2026, seules 41 affichent une fourchette salariale. Ça fait 15 %. C'est le taux le plus bas de toutes les stacks tech majeures — JavaScript est à 24 %, DevOps à 20 %.

Pourquoi ? Les entreprises qui recrutent des data scientists seniors ou confirmés au-dessus de 60k préfèrent souvent négocier sans montrer leurs cartes. Les offres avec salaire visible sur WTTJ sont donc biaisées vers le bas : juniors, ESN, postes en début de grille. Le Ministère des Affaires étrangères affiche 36 096 – 76 992 €, mais c'est une exception dans le public. La plupart des startups parisiennes qui paient 70k+ ne mettent rien.

Léa comprend vite que les moyennes WTTJ ne reflètent pas son marché. Mais elles révèlent autre chose de précieux.

La surprise Lyon

En croisant les données, un chiffre saute aux yeux. La moyenne salariale data science à Lyon sur nos sources directes (hors WTTJ, données consolidées) atteint 85 376 € pour un profil à 9 ans d'expérience en scaleup. À Paris, un profil comparable (9 ans, scaleup) ressort à 97 020 €. L'écart existe, mais il est de 12 % — pas de 40 % comme beaucoup l'imaginent.

Et quand on intègre le coût de la vie ? Un studio à Paris 11e coûte entre 900 et 1 200 €/mois. À Lyon 3e, entre 550 et 750 €. La différence de loyer compense, voire dépasse, l'écart salarial brut. Léa fait le calcul sur un coin de nappe chez ses parents à Villeurbanne un dimanche midi.

Le chiffre qui la décide : sur les 3 offres data science lyonnaises avec salaire visible sur WTTJ, la moyenne affichée est de 51 667 €. Nettement au-dessus de la moyenne parisienne affichée (27 306 €). Certes, 3 offres contre 21, c'est fragile statistiquement. Mais combiné avec les données directes, ça confirme une tendance.

Lyon paie. Peut-être moins en absolu au sommet de la pyramide. Mais pour son profil — 3 ans, Python, ML appliqué — la ville offre un ratio salaire/coût de vie supérieur.

L'ami DevOps et le signal Kubernetes

Retour sur l'ami DevOps. Il s'appelle Mehdi, 5 ans d'expérience, basé à Lyon, dans un grand groupe. Son salaire : 74 988 € brut annuel. Il a cherché un benchmark avant de négocier son augmentation et a découvert que les DevOps à Paris gagnent en médiane 62 500 € sur WTTJ — avec un plafond visible à 150 000 € chez un cabinet spécialisé (Bureaudestalents) et 130 000 € chez Pigment pour un poste de Senior SRE.

Mehdi n'envisage pas Paris. Ce qui l'intéresse, c'est la dynamique des offres DevOps en France : 284 annonces collectées, dont 57 avec salaire visible (après filtrage des anomalies). Le remote partiel concerne 115 de ces 284 offres. Le full remote, seulement 13.

Le détail qui compte : sur les 57 offres DevOps avec salaire visible, les postes parisiens affichent une moyenne de 52 743 – 71 073 €. Les postes toutes régions confondues (hors Paris) tournent autour de 45 000 – 55 000 €. L'écart Paris/province en DevOps reste plus marqué qu'en data science.

Ce que Mehdi en conclut, et ce qu'il dit à Léa : « En data science, Lyon tient la route face à Paris. En DevOps, Paris garde un avantage net. Choisis ta stack avant de choisir ta ville. »

Phrase un peu raccourcie, mais les données la soutiennent.

Ce que révèlent 4 423 offres sur le triangle salaire-stack-région

Voici le tableau synthétique que Léa construit à partir des données avril 2026, toutes sources confondues (WTTJ, France Travail, LinkedIn, Glassdoor, données directes) :

Trois observations ressortent.

Première : JavaScript est la stack avec le plus d'offres affichant un salaire (24 % de transparence). C'est aussi celle où Paris ne domine pas — les offres hors grandes villes affichent une moyenne quasi identique à Paris (50 089 € vs 50 248 €). Le full remote JavaScript est plus fréquent (16 offres full remote vs 13 en DevOps), ce qui gomme l'effet géographique.

Deuxième : en data science, seulement 15 % des offres montrent le salaire. Les données sont donc moins fiables pour tirer des conclusions définitives. Mais les signaux convergent : Lyon et Toulouse rivalisent avec Paris sur les profils confirmés.

Troisième : le DevOps reste la stack où le salaire parisien se démarque le plus nettement — médiane Paris à 62 500 €, Toulouse à 43 600 €, Lille à 42 000 €. Pour un DevOps, monter à Paris représente encore un gain réel, surtout passé 5 ans d'expérience.

La négociation de Léa : trois entretiens, un refus, un oui

Mars 2026. Léa postule à trois postes data science à Lyon. Le premier, dans une ESN, propose 42 000 €. Elle refuse sans négocier — trop loin de sa cible. Le process a duré trois semaines pour aboutir à un chiffre qui ne méritait même pas une contre-proposition. Elle le vit comme une perte de temps, mais aussi comme un étalonnage utile : ça lui confirme le plancher du marché.

Le deuxième, une scaleup dans l'énergie, lui propose 55 000 € à l'issue du process technique. Le recruteur présente ce chiffre comme « au-dessus du marché lyonnais ». Léa sort son tableur. Elle montre que les données directes placent un profil 3-4 ans en startup/scaleup à Lyon autour de 54 000 – 66 000 € (données croisées Python + data science). Le recruteur ne bronche pas. La proposition reste à 55k, « dernier mot ». Léa hésite. Ce n'est objectivement pas un mauvais salaire pour Lyon. Mais elle a un troisième entretien prévu, et elle décide d'attendre avant de répondre.

Le troisième poste, dans une startup healthtech de 45 personnes, l'intéresse le plus. Le CTO est lui-même data scientist de formation. L'échange technique dure 90 minutes — pas du whiteboard théorique, plutôt une discussion autour d'un notebook Jupyter avec un vrai problème de classification. À la fin, il lui demande ses prétentions. Elle dit 62 000 €. Il propose 60 000 € avec revue à 6 mois. Elle revient avec un argument simple : « Les profils data science confirmés à Lyon sont rares. Sur WTTJ, il y a 3 offres lyonnaises avec salaire affiché contre 21 à Paris. Le rapport de force est en ma faveur ici. » Ils se mettent d'accord sur 62 000 € fixe, sans variable.

Ce qui a fait basculer la négociation, ce n'est pas une technique de persuasion sophistiquée. C'est la connaissance du marché. Léa a contextualisé son salaire parisien actuel (48k) en le comparant au marché lyonnais réel, pas au marché perçu. Le CTO connaît les benchmarks. Il sait qu'un profil data science confirmé à Lyon en scaleup est rare — sur les 282 offres data science WTTJ, seulement 3 sont à Lyon avec salaire affiché. Quand le candidat a les données, la négociation change de nature. Elle devient une conversation factuelle, pas un rapport de force.

Le paradoxe du « petit marché »

Un point mérite d'être creusé. Lyon affiche très peu d'offres data science (3 avec salaire sur WTTJ). Certains y verraient un manque d'opportunité. Léa y voit l'inverse : moins de concurrence entre candidats, et des employeurs prêts à payer pour attirer des profils qui autrement resteraient à Paris.

J'ai discuté avec un recruteur tech lyonnais le mois dernier — pas dans le cadre de cet article, juste un échange informel lors d'un événement tech. Il m'a confirmé que les startups lyonnaises en série A ou B budgètent souvent 55-70k pour un data scientist confirmé, parfois plus. Elles ne publient pas ces fourchettes pour ne pas créer d'inflation salariale en interne. Le décalage entre offres visibles et réalité est plus fort à Lyon qu'à Paris, où le volume d'offres rend le marché plus lisible.

Ce phénomène existe aussi en DevOps, mais de façon atténuée. Les DevOps lyonnais de notre base gagnent en moyenne 78 000 € avec 10-12 ans d'expérience en grand groupe (deux entrées à 92 294 € et 99 216 €). C'est comparable à certains postes parisiens mid-senior. La différence se creuse surtout au-delà de 100k, un seuil que seul Paris franchit régulièrement dans nos données.

Et les développeurs JavaScript dans tout ça ?

Léa ne code pas en JavaScript, mais la comparaison éclaire son raisonnement.

Le marché JavaScript est le plus volumineux de notre base : 335 offres WTTJ, 645 en comptant toutes les sources. Et c'est la stack la plus transparente : 81 offres avec salaire visible. La fourchette moyenne nationale — 42 854 à 54 095 € — place le développeur JavaScript dans une zone médiane, ni la mieux ni la moins bien payée.

Ce qui frappe, c'est l'absence de prime parisienne marquée. Un développeur JavaScript hors grande ville affiche 50 089 € en moyenne, contre 50 248 € à Paris. Quasi identique. Ça tient probablement au remote partiel très répandu (56 % des offres JavaScript) et à la surabondance de profils JavaScript à Paris, qui tire les salaires vers le bas malgré le coût de la vie.

Pour Léa, ce constat renforce sa décision : en data science, Lyon offre un ratio plus favorable qu'en JavaScript, où la géographie ne pèse presque plus.

Taille de l'entreprise : la variable cachée

Un point que Léa n'avait pas anticipé. Les données salaries.jsonl montrent un schéma récurrent : à expérience égale, les grands groupes paient systématiquement plus que les startups.

Quelques exemples concrets issus de notre base :

• Data scientist, Paris, 2 ans d'expérience, grand groupe : 77 280 €
• Data scientist, Paris, 3 ans, grand groupe : 81 420 €
• Data scientist, Paris, 3 ans, startup : ~76 680 € (7 ans d'XP en réalité, estimation ajustée)

En DevOps, le schéma est similaire :

• DevOps, Lyon, 12 ans, grand groupe : 99 216 €
• DevOps, Lyon, 12 ans, startup : 77 646 €

L'écart grand groupe / startup oscille entre 15 et 28 % selon la stack et la région. C'est un facteur souvent sous-estimé. Les discussions en ligne se focalisent sur Paris vs province ou React vs Python. Mais la taille de la boîte pèse parfois autant que la ville.

Léa a choisi une startup à 62k plutôt qu'un grand groupe qui aurait probablement proposé 70k+. Son calcul intègre d'autres critères — autonomie, stack moderne, equity potentielle — que notre base de données ne capture pas. Les chiffres éclairent, ils ne décident pas.

Les offres fantômes : quand le salaire affiché ne raconte que la moitié

Un aparté qui a son importance. Quand on scrape des plateformes comme WTTJ ou France Travail, on ne capture qu'une fraction du marché. Sur les 4 423 offres de notre base, seules 622 affichent un salaire exploitable (WTTJ, après nettoyage). Soit 14 % du total.

Pour la data science, c'est encore pire. Les offres les mieux rémunérées passent souvent par cooptation, cabinets de chasse, ou LinkedIn InMail. Chez Aive à Paris, un poste de Senior ML Engineer affiche 55 000 – 85 000 €. Chez Elax Energie, un data scientist CDI est entre 54 000 et 70 000 €. Ce sont les exceptions visibles. La majorité des postes au-dessus de 75k ne publient pas leur fourchette.

En DevOps, le phénomène est légèrement différent. Les postes SRE senior sont affichés avec des fourchettes larges — Pigment entre 75 000 et 130 000 €, Parallel entre 80 000 et 120 000 € — parce que le marché est si tendu que la transparence devient un argument d'attractivité. Un DevOps senior qui voit « 80-120k » sur une offre va cliquer. Un data scientist senior qui voit « 38-45k » chez Epsilon France va passer son chemin — à tort ou à raison.

Cette asymétrie de transparence entre stacks crée un angle mort dans toute analyse de marché. C'est frustrant, mais c'est le terrain réel.

Ce que cette histoire ne dit pas

Je tiens à une nuance. Le parcours de Léa n'est pas généralisable à toutes les stacks ni à toutes les villes. Quelqu'un qui fait du DevOps à Lille (42 000 € en moyenne sur WTTJ) n'a pas le même marché qu'un data scientist à Lyon. Quelqu'un en début de carrière dans le JavaScript à Marseille (41 250 € en moyenne) vit une réalité différente.

Les données couvrent 4 423 offres au total, mais la transparence salariale reste faible — entre 15 et 24 % selon la stack. Ce qu'on ne voit pas est au moins aussi important que ce qu'on voit. Les postes au-dessus de 80k publient rarement leur fourchette, ce qui tire mécaniquement les moyennes visibles vers le bas.

Et puis il y a tout ce qu'un salaire ne dit pas. Le télétravail complet (seulement 6 offres data science full remote sur 282 — 2 %). La mutuelle. Les RTT. Le commute. Les à-côtés.

Mais si la question est « est-ce que ça vaut le coup financièrement de quitter Paris pour Lyon en data science ? », les données d'avril 2026 disent : oui, probablement.

Le résumé en un regard

Le premier chiffre (moyenne affichée) est trompeur pris isolément, car biaisé par le volume d'offres juniors à Paris. Le deuxième (profil confirmé) est plus représentatif du marché réel pour un candidat expérimenté.

Épilogue : mai 2026

Léa a déménagé fin mars. Elle travaille depuis un mois. Son tableur est devenu un Google Sheet partagé avec trois amis dans la tech qui envisagent le même mouvement — un développeur Python à Nantes, un DevOps à Bordeaux, une ingénieure data à Toulouse. Chacun alimente le fichier avec les offres qu'il croise.

Aucun d'entre eux ne regrette d'avoir regardé les données avant de décider. La transparence salariale en France reste bancale — 15 à 24 % des offres seulement — mais c'est suffisant pour dégager des tendances et éviter de se sous-vendre.

Pour ceux qui veulent faire le même exercice que Léa sans partir de zéro, notre simulateur de salaire par stack, expérience, région et taille d'entreprise permet de croiser les données en quelques clics.

Et si le parcours DevOps vous intéresse davantage que la data science, on avait raconté comment un DevOps parisien a négocié 72k en s'appuyant sur 46 offres réelles. La mécanique est différente — en DevOps, Paris garde un avantage salarial net — mais la méthode de préparation documentée reste la même.

Sur le sujet des écarts stack par stack, notre comparatif DevOps vs data scientist en France détaille les dynamiques propres à chaque profil.

Données collectées entre le 20 et le 30 avril 2026. Sources : Welcome to the Jungle (2 717 offres), France Travail (1 586 offres), LinkedIn, Glassdoor et données directes (120 entrées). Base totale : 4 423 offres tech en France. Méthodologie : scraping d'offres publiques, filtrage des anomalies (salaires > 200 000 € exclus), moyennes pondérées par volume.