Le marché
- 10 000 data scientists actifs en Suisse
- Demande forte dans pharma, finance, assurance, tech
- Salaire médian : 125 KCHF (parmi les plus élevés tech)
- Concentration : Zurich (banques, ETH), Bâle (pharma), Lausanne (EPFL, biotech)
Le profil idéal
Un data scientist suisse combine :
- Maths/stats : régression, classification, séries temporelles, deep learning
- Programmation : Python (dominant), R, SQL
- Outils : pandas, scikit-learn, TensorFlow/PyTorch, MLflow, Databricks
- Cloud : AWS SageMaker, Azure ML, Google Vertex AI
- Visualisation : Tableau, Power BI, Looker
- Anglais courant : indispensable (papers, communautés)
Formation
Voies classiques :
- MSc en computer science / mathématiques / statistiques EPFL, ETHZ
- Master HES en data science ZHAW, HEIG-VD
- PhD : recherche, profils premium pharma
Reconversions :
- MAS / DAS en data science (EPFL, HES-SO) : 1-2 ans en cours d'emploi
- Bootcamps : Constructor Academy, Le Wagon Data, DataCamp
- MOOCs : Coursera (Stanford ML, Andrew Ng), Fast.ai, deeplearning.ai
Durée typique de reconversion solide : 12-18 mois à temps plein équivalent.
Salaires moyens
- Junior (0-2 ans) : 95-125 KCHF
- Mid (2-5 ans) : 125-155 KCHF
- Senior (5-10 ans) : 150-190 KCHF
- Staff / Principal : 180-230 KCHF
- Lead Data Scientist : 200-260 KCHF
- Head of Data / Chief Data Officer : 250-400 KCHF + LTI
Spécialisations premium :
- ML engineer (production) : +10 %
- NLP / LLM engineer : +15 % (boom IA générative)
- Computer vision (MedTech) : +10-15 %
- Quant en banque : 180-300 KCHF + bonus
Secteurs porteurs
Pharma (Roche, Novartis, Lonza, biotechs Lausanne) :
- Drug discovery
- Clinical trials analytics
- Real-world evidence
- Salaires premium + LTI
Finance (UBS, banques privées) :
- Algorithmic trading
- Risk modelling
- Fraud detection
- Bonus variables élevés
Assurance (Swiss Re, Zurich, Bâloise) :
- Actuarial analytics
- Underwriting models
- Claims prediction
Tech (Google Zurich, Microsoft, Disney Research) :
- Recommandation systems
- Personalisation
- ML platform
Conseils pour percer
- Portfolio Kaggle : top 5 % d'une compétition = ticket d'entrée
- Papers publiés : si profil recherche/PhD
- Open source ML : contributions à libraries (scikit-learn, transformers)
- Spécialisez-vous : NLP, vision, time series, MLOps
- Réseautez : ML meetups Zurich/Lausanne, conférences EPFL/ETH
- MLOps en plus : la double compétence ML + production vaut +15-25 %
