Deux spécialités nées de la même matière
La donnée est la matière première des deux métiers, mais l'usage diffère nettement. Le consultant data travaille pour produire de la connaissance : collecter, nettoyer, croiser, visualiser, expliquer. Le consultant IA travaille pour produire un comportement : entraîner ou configurer un système qui répond, classe, recommande ou génère du contenu. L'un rend la donnée lisible à une personne qui décide ; l'autre fait de la donnée le carburant d'une machine qui agit. Deux finalités, deux façons de travailler. La ligne de partage tient ainsi à la question posée : comprendre un phénomène ou faire tourner un service. On ne recrute pas le même profil selon la réponse apportée.
Cette proximité explique la confusion fréquente. Une entreprise qui veut « faire de l'IA » découvre souvent qu'il lui manque d'abord une base de données propre et des indicateurs fiables. Le travail data précède alors le travail IA. Inversement, un projet IA sans socle data solide échoue, car un modèle nourri d'informations fausses produit des résultats faux avec beaucoup d'assurance. La distinction n'est donc pas théorique : elle ordonne les étapes concrètes d'un projet et permet de savoir par où commencer. Savoir dans quel ordre mûrissent ces deux chantiers évite bien des malentendus entre direction technique et métiers. L'ordre des chantiers détermine souvent la réussite de l'ensemble.
Le consultant data : mesurer et éclairer
Le consultant data part d'une question de gestion : où perdons-nous des clients, quel produit se vend réellement, quelle équipe est surchargée. Il construit ensuite la chaîne qui y répond : sources, qualité, indicateurs, tableaux de bord. Son livrable est une lecture partagée de la réalité, que plusieurs services peuvent utiliser. On le juge sur la fiabilité des chiffres et sur leur utilité pour décider, jamais sur la sophistication des outils employés, qui compte beaucoup moins que la justesse du résultat. Sa valeur se mesure à la confiance que les décideurs accordent à ses chiffres, semaine après semaine. Un bon chiffre se reconnaît à sa stabilité, pas à son volume.
Son savoir-faire tient à la rigueur : définir une mesure, la documenter, éviter les biais de collecte, distinguer corrélation et cause. Quand il présente un tableau de bord, il doit pouvoir dire d'où vient chaque chiffre et quelle part d'incertitude il porte. Cette exigence de traçabilité rapproche son travail des obligations de gouvernance : des données personnelles et un traitement supposent une base légale, une finalité claire et une durée de conservation maîtrisée. Un indicateur mal défini se propage dans toute l'organisation et fausse durablement les décisions. La qualité des données conditionne tout ce qui vient ensuite.
Le consultant IA : faire agir un système
Le consultant IA part d'une situation où une décision répétitive ou une production peut être assistée. Il choisit une approche — règle explicite, modèle statistique, système génératif —, l'intègre dans un dispositif existant et mesure son effet en conditions réelles. Son attention porte sur le comportement observé : taux d'erreur, dérive dans le temps, cas limites, coût par usage. Il livre un système vivant, à surveiller et à améliorer, pas un rapport figé une fois pour toutes. Il répond d'un service qui tourne, pas d'un document qui décrit une intention. La valeur d'un système se mesure à l'usage réel, pas à l'annonce.
Son travail croise la conformité plus directement que celui du consultant data. Le règlement européen sur l'IA impose, selon le niveau de risque, une documentation, une supervision humaine et une information des personnes concernées. L'ISO/IEC 42001 fournit un cadre de management pour ces systèmes. Le consultant IA doit savoir ranger son projet dans une catégorie de risque et en tirer les conséquences concrètes, faute de quoi il expose son client à des difficultés évitables. Cette compétence de conformité fait partie intégrante du métier, elle n'est pas un supplément réservé aux juristes. Ignorer ces règles expose autant le client que le prestataire.
Ce que l'entreprise attend vraiment
Recruter, c'est choisir un problème à résoudre, pas une étiquette sur un profil. Une entreprise qui ne sait pas mesurer son activité a d'abord besoin d'un profil data. Une entreprise qui veut automatiser une tâche, dialoguer avec ses clients ou analyser des documents a besoin d'un profil IA. La confusion coûte cher des deux côtés : un expert data qui tente un projet IA sans méthode adaptée, ou un expert IA qui ignore d'où viennent les données qu'il exploite. Nommer le problème avant le profil évite de chercher au mauvais endroit la personne dont on a besoin. Le vocabulaire employé en réunion traduit souvent une confusion réelle sur le besoin.
Les profils hybrides existent, et ils sont précieux, mais il serait imprudent d'en faire la norme attendue. Mieux vaut nommer précisément la compétence manquante et l'acquérir que chercher un mouton à cinq pattes. Une entreprise lucide sait qu'un projet réussi associe souvent les deux : la donnée propre en amont, le système intelligent en aval, et quelqu'un qui tient l'ensemble. C'est cette chaîne complète, plus que le titre du consultant, qui fait la différence. Ce qui compte au final n'est pas l'étiquette du prestataire, mais la chaîne de travail qu'il sait tenir. C'est l'assemblage qui produit le résultat, pas la somme des titres.
Aller plus loin
Données et IA ne s'opposent pas : la première prépare ce que la seconde exploite. Pour situer votre besoin et former l'équipe adaptée, consultez le catalogue des 31 formations.
Vous voulez maîtriser ce sujet en pratique ?
Cabinet MARA forme en ligne, sur des cas réels, avec des modules courts et un suivi de progression.
Voir la formation liée Les 31 formations