Nous utilisons des cookies techniques et le journal de visites anonymisé de Zorky. Yandex Metrica (données stockées sur des serveurs en Russie) ne fonctionne qu'avec votre consentement. Nous ne vendons jamais de données. En savoir plus sur les cookies et les statistiques.
Zorky est en mode test — tout est gratuit. Les offres et les pages des entreprises sont ouvertes à tous ; les liens vers les annonces et votre sélection personnelle s'ouvrent après inscription. Inscription →

Architecte Data : marché

Données au 19 novembre 2026 : offres ouvertes Architecte Data — 620, 38% en télétravail parmi les offres qui précisent le mode de travail; salaire médian annoncé $10 507/mois (sur 81 offres qui indiquent un salaire). Source : Zorky, mis à jour chaque jour.

Data Architect — spécialisation d'architecte responsable de la conception du paysage de données d'une organisation : modèles de données, flux de données, stratégie de stockage, gouvernance des données, intégration entre systèmes. Contrairement au Data Engineer (qui construit lui-même les pipelines), le Data Architect conçoit la structure : comment les données sont modélisées, où elles sont stockées, comment elles circulent, à qui elles appartiennent, comment fonctionne la gouvernance. Famille de rôles : Data Architect (général — responsable de l'architecture de données d'un système / domaine), Senior / Principal Data Architect (architecture de données à l'échelle de l'entreprise + stratégie), Data Warehouse Architect (orienté DWH / analytique), Data Platform Architect (conception de plateforme data moderne / lakehouse), Data Modeler (focus sur la modélisation des données — plus étroit), Master Data Architect (spécialité MDM), Information Architect (recoupement — gouvernance des données + gestion de l'information). Stack 2026 : Modélisation des données — compétence centrale : modèles conceptuels / logiques / physiques, modélisation dimensionnelle (Kimball — schémas en étoile / en flocon, faits + dimensions), 3NF / Inmon (DWH d'entreprise normalisé), Data Vault 2.0 (hubs + links + satellites — pour un DWH d'entreprise agile — populaire 2026), One Big Table (OBT) / tables larges (tendance de l'analytique moderne). Outils : erwin Data Modeler (classique de l'entreprise), SqlDBM, dbdiagram.io, dbt (modèles sémantiques + lignage — devenu la couche de modélisation de facto 2026). Stockage / plateformes : entrepôts de données cloud, Databricks (Lakehouse — Delta Lake), data lakes (S3 / ADLS / GCS + formats de tables ouverts — Apache Iceberg / Delta Lake / Apache Hudi), ClickHouse (analytique temps réel — populaire en Russie — origine Yandex). Russes : Arenadata (basé sur Greenplum — leader des DWH en Russie après le départ de Teradata / Oracle), Yandex.Cloud DataLens. Patterns d'architecture de données : data warehouse (analytique structurée), data lake (brut + schema-on-read), lakehouse (convergence entrepôt + lac — choix par défaut recommandé 2026 — Databricks / Snowflake), data mesh (décentralisé — produits de données détenus par les domaines — Zhamak Dehghani — pour les grandes organisations), data fabric (couche d'accès unifiée pilotée par les métadonnées). Intégration des données : ETL contre ELT (l'ELT domine 2026), CDC (Change Data Capture — Debezium), streaming de données (Kafka — voir aussi data engineer), unification batch + streaming. Orchestration : Airflow / Dagster / Prefect (au niveau architecture — pas en pratique). Gouvernance des données : catalogue de données (Collibra / Alation / Atlan / DataHub open source / OpenMetadata), lignage des données, frameworks de qualité des données (Great Expectations / Soda), master data management (MDM) (Informatica MDM / Reltio), classification des données + protection des données personnelles (traitement des PII / RGPD / loi 152-FZ), data contracts (en essor 2024+ — formaliser les accords producteur-consommateur). Couche sémantique : dbt Semantic Layer / Cube / couche de métriques — source unique de vérité pour les métriques. Notation de modélisation : diagrammes ER, ArchiMate (pour le contexte d'entreprise), diagrammes de flux de données. Transversal : le Data Architect travaille à l'intersection du Data Engineering (implémentation), de l'Analytics / BI (consommateurs), de l'Enterprise Architecture (niveau organisation), de la Sécurité (protection des données). Selon Zorky, 620 offres actives avec un périmètre explicite de data architect (niche senior étroite — le vivier réel est plus large du fait du chevauchement avec Senior Data Engineer / Data Platform Engineer). Stack principal : cloud, aws, azure, enterprise architect, sql. Parmi les offres dont le mode de travail est indiqué, 38% sont en télétravail.

Données au:

Les chiffres clés du marché Architecte Data : offres ouvertes, salaire médian, vivier de spécialistes observé et part du télétravail.

620
offres ouvertes — par intitulé de poste, republications fusionnées
$10 507
médiane $/mois
38%
télétravail

Le marché Architecte Data compte actuellement 620 postes ouverts, dont 531 observés récemment. Median salary $10 507/mo.

Parmi les offres dont le mode de travail est indiqué, 38% sont en télétravail. Le travail d'architecture data (modélisation + conception + plateformes cloud) se prête au télétravail. Sociétés d'outsourcing — presque toujours en télétravail. Banques russes — hybride (gouvernance des données — périmètre de direction). Rôle transverse → l'hybride est souvent optimal. Entreprises tech internationales + éditeurs data cloud — télétravail complet standard.

⚠ salaire connu pour 81 offres sur 620 ; part du télétravail sur 509 avec un format indiqué ; 531 comptées comme observations récentes ; la tendance et la difficulté de recrutement ne sont pas affichées

Chronologie : offres et sources

Combien d'offres Architecte Data sont apparues chaque semaine depuis le 1 juin, et depuis combien de sources. Le graphique du bas sépare la croissance du marché de celle de notre couverture : un saut la semaine où de nouvelles sources ont été connectées signifie que nous voyons davantage, pas que le marché a grandi.

Nouvelles offres par semaine

Données du graphique
Nouvelles offres par semaine. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeNouvelles offres par semaine
2026-06-0121
2026-06-0826
2026-06-1532
2026-06-2270
2026-06-2943
2026-07-0665
2026-07-1366
2026-07-2063
2026-07-2731
2026-08-0345
2026-08-1033
2026-08-1747
2026-08-2450
2026-08-3136
2026-09-0743
2026-09-1464
2026-09-21105
2026-09-28102
2026-10-05112
2026-10-12288
2026-10-19116
2026-10-26151
2026-11-02134
2026-11-09120

Sources actives par semaine

Sources sur la période : 104. ▲ — semaine où de nombreuses nouvelles sources ont été connectées.

Données du graphique
Sources actives par semaine. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeSources actives
2026-06-015
2026-06-084
2026-06-154
2026-06-2213
2026-06-2914
2026-07-0621
2026-07-1321
2026-07-2021
2026-07-2717
2026-08-0323
2026-08-1014
2026-08-1717
2026-08-2411
2026-08-3110
2026-09-0714
2026-09-1415
2026-09-2130
2026-09-2828
2026-10-0526
2026-10-1229
2026-10-1931
2026-10-2631
2026-11-0237
2026-11-0938
Nouvelles sources connectées : 22 juin +10 · 6 juil. +11 · toutes les semaines (21) dans le tableau
SemaineNouvelles sourcesNouvelles offres
8 juin+126
15 juin+232
22 juin+1070
29 juin+543
6 juil.+1165
13 juil.+666
20 juil.+863
27 juil.+631
3 août+345
10 août+333
17 août+547
31 août+236
7 sept.+243
21 sept.+7105
28 sept.+2102
5 oct.+2112
12 oct.+4288
19 oct.+5116
26 oct.+2151
2 nov.+5134
9 nov.+8120

La semaine en cours n'est pas terminée et n'est pas affichée : une semaine incomplète ressemblerait à une baisse.

Semaine = date de première détection de l'offre, tous statuts ; les offres sont sélectionnées selon la même règle que le compteur de cette page. Les sources sont des canaux de collecte distincts ; leurs noms ne sont pas publiés.

Données du graphique
Chronologie : offres et sources — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemaineNouvelles offres par semaineSources actives
2026-06-01215
2026-06-08264
2026-06-15324
2026-06-227013
2026-06-294314
2026-07-066521
2026-07-136621
2026-07-206321
2026-07-273117
2026-08-034523
2026-08-103314
2026-08-174717
2026-08-245011
2026-08-313610
2026-09-074314
2026-09-146415
2026-09-2110530
2026-09-2810228
2026-10-0511226
2026-10-1228829
2026-10-1911631
2026-10-2615131
2026-11-0213437
2026-11-0912038

Les salaires dans le temps

Salaire médian Architecte Data par semaine, USD par mois.

Salaire médian, USD par mois

Données du graphique
Salaire médian, USD par mois. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeMédianeOffres avec salaire par semaine (n)
2026-09-289 98214
2026-10-0510 50715
2026-10-1210 41621
2026-10-1911 07716
2026-10-2611 58432
2026-11-029 83724
2026-11-098 27420

La série commence le 28 sept. : aucune donnée avant.

Offres avec salaire par semaine (n)

Uniquement les offres avec un salaire en USD et une période connue (mois ou année), de 500 à 50 000 $ par mois. Les semaines comptant moins de 10 offres de ce type sont laissées vides — cela signifie pas de données, pas zéro.

Données du graphique
Les salaires dans le temps — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemaineMédiane
2026-06-01—
2026-06-08—
2026-06-15—
2026-06-22—
2026-06-29—
2026-07-06—
2026-07-13—
2026-07-20—
2026-07-27—
2026-08-03—
2026-08-10—
2026-08-17—
2026-08-24—
2026-08-31—
2026-09-07—
2026-09-14—
2026-09-21—
2026-09-289 982
2026-10-0510 507
2026-10-1210 416
2026-10-1911 077
2026-10-2611 584
2026-11-029 837
2026-11-098 274

Le télétravail dans le temps

Part des offres Architecte Data proposant un télétravail complet, par semaine.

Offres en télétravail, %

Données du graphique
Offres en télétravail, %. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeTélétravail
2026-06-0183,3
2026-06-0880
2026-06-1575
2026-06-2262,1
2026-06-2964,7
2026-07-0648,9
2026-07-1335,5
2026-07-2036,6
2026-07-2747,8
2026-08-0322,2
2026-08-1034,4
2026-08-1728,9
2026-08-2425,5
2026-08-3115,6
2026-09-0710,3
2026-09-1411,1
2026-09-2132,6
2026-09-2851,1
2026-10-0538,6
2026-10-1233,8
2026-10-1934,3
2026-10-2643,3
2026-11-0226,8
2026-11-0938,7

La part est calculée parmi les offres qui précisent le mode de travail (télétravail, hybride, bureau). Les semaines comptant moins de 10 offres de ce type sont laissées vides.

Données du graphique
Le télétravail dans le temps — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemaineTélétravail
2026-06-0183,3
2026-06-0880
2026-06-1575
2026-06-2262,1
2026-06-2964,7
2026-07-0648,9
2026-07-1335,5
2026-07-2036,6
2026-07-2747,8
2026-08-0322,2
2026-08-1034,4
2026-08-1728,9
2026-08-2425,5
2026-08-3115,6
2026-09-0710,3
2026-09-1411,1
2026-09-2132,6
2026-09-2851,1
2026-10-0538,6
2026-10-1233,8
2026-10-1934,3
2026-10-2643,3
2026-11-0226,8
2026-11-0938,7

Les technologies dans le temps

Comment la part des offres Architecte Data mentionnant chacune des principales technologies a évolué.

Offres mentionnant la technologie, %

Données du graphique
Offres mentionnant la technologie, %. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodecloudAzureAWS
2026-08-1734,642,315,4
2026-08-2426,126,113
2026-08-31———
2026-09-0728,61914,3
2026-09-1414,761,852,9
2026-09-2147,533,922
2026-09-2869,452,831,9
2026-10-055932,547
2026-10-1250,830,730,2
2026-10-1960,548,826,7
2026-10-2660,536,337,9
2026-11-0266,735,332,4
2026-11-0948,234,136,5

La série commence le 17 août : aucune donnée avant.

Jusqu’à 5 sur le graphique :

Part parmi les offres avec un stack tagué ; la série commence le 10 août : auparavant les tags de stack étaient attribués différemment. Les semaines comptant moins de 20 offres taguées sont laissées vides.

Données du graphique
Les technologies dans le temps — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemainecloudAzureDatabricksAWSSQL
2026-08-10—————
2026-08-1734,642,323,115,419,2
2026-08-2426,126,126,11313
2026-08-31—————
2026-09-0728,6191914,314,3
2026-09-1414,761,814,752,92,9
2026-09-2147,533,923,72216,9
2026-09-2869,452,834,731,937,5
2026-10-055932,531,34733,7
2026-10-1250,830,727,530,229,1
2026-10-1960,548,839,526,750
2026-10-2660,536,335,537,937,1
2026-11-0266,735,335,332,436,3
2026-11-0948,234,141,236,542,4

Pays au fil du temps

Comment la part des offres Architecte Data dans chacun des principaux pays a évolué, par semaine.

Offres dans le pays, %

Données du graphique
Offres dans le pays, %. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeRoyaume-UniPologneÉtats-Unis
2026-06-019,571,419
2026-06-083,865,419,2
2026-06-153,2713,2
2026-06-22066,77,2
2026-06-292,55015
2026-07-067,321,820
2026-07-132,217,822,2
2026-07-2044,420,413
2026-07-2730,826,93,8
2026-08-0336,87,918,4
2026-08-1051,76,93,4
2026-08-1752,6010,5
2026-08-2471,12,24,4
2026-08-3172,706,1
2026-09-0768,402,6
2026-09-1450218
2026-09-21201021,1
2026-09-2831,916,516,5
2026-10-0529,619,413,3
2026-10-1219,715,822,2
2026-10-19231420
2026-10-262115,921,7
2026-11-0224,311,324,3
2026-11-0932,65,328,4
Jusqu’à 5 sur le graphique :

Part parmi les offres dont le pays est connu ; le graphique montre les cinq pays comptant le plus d'offres sur six mois. Les semaines comptant moins de 20 offres avec un pays connu sont laissées vides. Une part en hausse peut signifier une source nouvellement connectée dans ce pays plutôt qu'une croissance du marché.

Données du graphique
Pays au fil du temps — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemaineRoyaume-UniPologneÉtats-UnisIndeAllemagne
2026-06-019,571,41900
2026-06-083,865,419,23,80
2026-06-153,2713,26,50
2026-06-22066,77,27,20
2026-06-292,550157,52,5
2026-07-067,321,82014,51,8
2026-07-132,217,822,226,76,7
2026-07-2044,420,4135,61,9
2026-07-2730,826,93,815,40
2026-08-0336,87,918,410,55,3
2026-08-1051,76,93,46,93,4
2026-08-1752,6010,55,30
2026-08-2471,12,24,48,92,2
2026-08-3172,706,112,10
2026-09-0768,402,613,20
2026-09-145021864
2026-09-21201021,17,83,3
2026-09-2831,916,516,54,42,2
2026-10-0529,619,413,37,19,2
2026-10-1219,715,822,26,43
2026-10-19231420115
2026-10-262115,921,76,55,1
2026-11-0224,311,324,31,710,4
2026-11-0932,65,328,47,41,1

Marché net : indice de recrutement

Les mêmes 7 505 sites carrières d'employeurs ; le nombre d'offres provient du site lui-même. Connecter de nouvelles sources ne fait pas bouger cet indice — il montre le marché, pas notre couverture. C'est l'ensemble du marché du panel, pas seulement Architecte Data.

Indice de recrutement, 16 oct. = 100

Données du graphique
Indice de recrutement, 16 oct. = 100. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeIndice de recrutement
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Indice chaîné : chaque jour ne compare que les sites interrogés ce jour-là et la veille ; les valeurs aberrantes et les pannes d'interrogation d'une plateforme entière sont exclues. Les jours sans paire comparable sont laissés vides.

Données du graphique
Marché net : indice de recrutement — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
JourIndice de recrutement
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Combien d'offres Architecte Data ouvertes il y a et combien de spécialistes correspondants Zorky observe.

Demande et offre observée

Données du graphique
Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
IndicateurValeur
Demande ouverte620
Demande ouverte620
Offre observée— non publié

Architecte Data — niche Senior étroite à la demande croissante. Moteurs 2026 : migration vers des plateformes data cloud (DWH historique → Snowflake / Databricks), adoption du lakehouse (convergence entrepôt + lac), data mesh pour les grandes organisations, pression de la gouvernance des données (RGPD / loi fédérale 152-FZ / contrats de données), l'IA/ML stimule la demande de qualité des données (de bons modèles exigent de bonnes données). Les banques russes + les grandes entreprises produit + la distribution + les télécoms dominent. Les éditeurs data russes (Arenadata) croissent grâce à la substitution aux importations. Les éditeurs data cloud (Snowflake / Databricks) — canal premium.

⚠ les candidats correspondant à une offre ne sont pas encore comptés : la demande et le vivier observé sont affichés

Comment se répartissent les salaires des offres Architecte Data, en dollars américains par mois.

Distribution des salaires

P25 $7 333 · P50 $10 507 · P75 $14 200
Données du graphique
Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
IndicateurValeur
<$1k0
$1–2k2
$2–3k0
$3–4k1
$4–5k3
$5–6k4
$6–7k6
$7–8k8
$8–9k9
$9–10k5
$10–12k15
$12–15k10
$15–20k13
$20k+5
Salaire dans les offres : base 620
  • exploitable pour le calcul: 81 (13,1%)
  • indiqué mais non converti en USD/mois: 91 (14,7%)
  • non indiqué: 448 (72,3%)

Une offre sur dix propose moins de $5 692, une sur dix plus de $18 440. La moitié des offres propose entre $7 333 et $14 200. Échantillon: 81.

Rôle de niveau senior. Les niveaux inférieurs dans l'histogramme — des postes mal intitulés, non représentatifs.

Données du graphique
Distribution des salaires — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
IndicateurBorne inférieureBorne supérieureNombre
<$1k01 0000
$1–2k1 0002 0002
$2–3k2 0003 0000
$3–4k3 0004 0001
$4–5k4 0005 0003
$5–6k5 0006 0004
$6–7k6 0007 0006
$7–8k7 0008 0008
$8–9k8 0009 0009
$9–10k9 00010 0005
$10–12k10 00012 00015
$12–15k12 00015 00010
$15–20k15 00020 00013
$20k+20 000—5

Dans quels pays il y a le plus d'offres Architecte Data ouvertes.

Géographie de la demande

paysoffrespart
États-Unis12925,1%
Royaume-Uni9418,3%
Pologne7715%
Inde418%
Allemagne265,1%
Canada142,7%
France122,3%
Brésil112,1%
Philippines71,4%
Colombie71,4%
Autres pays9618,7%

Le leader par nombre d'offres Data Architect est les États-Unis (129 postes). Russie — les banques, les grands éditeurs de produits, la distribution, les télécoms et les sociétés d'outsourcing dominent. Pologne — un hub européen favorable aux Data Architects. Allemagne — la data d'entreprise. À distance à l'international via les éditeurs de data cloud (Snowflake / Databricks / Confluent) et l'outsourcing de type EPAM.

⚠ nombre d'offres uniquement : le salaire par pays n'est pas publié

Données du graphique
Géographie de la demande — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PaysOffres
US129
GB94
PL77
IN41
DE26
CA14
FR12
BR11
PH7
CO7

Quelles technologies sont le plus souvent demandées dans la même offre que Architecte Data.

Utilisée avec

cloud
28245,5%
azure
19231%
aws
17027,4%
sql
15525%
python
10416,8%
snowflake
10016,1%
gcp
7512,1%
spark
619,8%
dbt
558,9%

Part : combien des 620 offres du marché Architecte Data mentionnent cette technologie. Tri par nombre d’offres, pas par « force d’association ». Les termes génériques comme cloud ne désignent pas un cloud précis (AWS, Azure).

Stack principale de l'architecte data 2026 : modélisation des données (modélisation dimensionnelle Kimball + 3NF/Inmon + Data Vault 2.0 + One Big Table ; outils erwin / SqlDBM / dbdiagram / dbt), entrepôts de données cloud (Snowflake, leader + BigQuery + Redshift + Azure Synapse + Databricks Lakehouse + ClickHouse, populaire en Russie + Arenadata, russe), data lakes (S3/ADLS/GCS + formats de tables ouverts Iceberg/Delta Lake/Hudi), patterns d'architecture des données (warehouse / lake / lakehouse par défaut en 2026 / data mesh / data fabric), intégration des données (ETL vs ELT dominant + CDC Debezium + streaming Kafka), orchestration (Airflow / Dagster / Prefect), gouvernance des données (catalogues de données Collibra/Alation/Atlan/DataHub/OpenMetadata + lignage des données + qualité des données Great Expectations/Soda + MDM Informatica/Reltio + contrats de données), couche sémantique (dbt Semantic Layer / Cube), maîtrise de SQL, notations de modélisation (diagrammes ER + ArchiMate + diagrammes de flux de données).

Couples courants : Snowflake + dbt + Airflow (classique de la modern data stack), Databricks + Delta Lake + Spark (stack lakehouse), Data Vault 2.0 + Snowflake + dbt (DWH d'entreprise agile), modélisation dimensionnelle Kimball + DWH cloud + BI (orienté analytique), ClickHouse + Kafka (analytique temps réel — populaire en Russie), Arenadata Greenplum + dbt (stack data russe de substitution aux importations), Iceberg + S3 + Trino (lakehouse ouvert). Feuille de route d'apprentissage : devenir Data Engineer Senior (5+ ans — prérequis) → maîtrise de la modélisation des données (Kimball + Data Vault) → SQL en profondeur → plateforme data cloud (Snowflake / Databricks) → modern data stack (dbt + orchestration) → patterns d'architecture data → data mesh (livre de Dehghani) → gouvernance des données → formats de tables ouverts → couche sémantique → soft skills.

Données du graphique
Utilisée avec — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
NomNombre
cloud282
azure192
databricks180
aws170
sql155
python104
snowflake100
gcp75
spark61
dbt55
bigquery53
kafka52

Combien d'offres Architecte Data il y a à chaque niveau, de junior à principal.

Demande par niveau

niveauoffres
principal212
senior185
lead45
middle14
junior4

Rôle de niveau senior (les niveaux inférieurs = intitulés erronés ; réalistes — Senior / Lead). Parcours : Data Engineer Senior (5+ ans de pratique) → architecte data (via la modélisation des données + la conception de plateformes + la gouvernance) → architecte data Senior / Principal → soit Chief Data Architect / Head of Data Architecture, lead Data Platform, architecte d'entreprise (domaine data), soit la filière Chief Data Officer (CDO).

⚠ côté demande uniquement : le niveau du vivier observé est inconnu pour la majeure partie

Données du graphique
Demande par niveau — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
NiveauNombre
principal212
senior185
lead45
middle14
junior4

Qui recrute le plus pour Architecte Data et à quel point la demande se concentre chez les plus grandes entreprises.

Employeurs

La demande est répartie entre 468 employeurs. Le plus grand en représente 1.7 %, les dix premiers 10.0 % ; les 90.0 % restants forment la longue traîne.

le plus grand 1,7%2e–3e 2,8%4e–10e 5,5%les autres 90%
partvaleur
top 11.7%
top 34.5%
top 1010.0%
longue traîne90.0%

⚠ les noms ne sont pas affichés : le classificateur ne distingue pas encore les agences de recrutement des employeurs finaux

Sur quels sites d'entreprises et sites d'emploi Zorky collecte les offres Architecte Data.

Où Zorky voit ce marché

Observé sur 59 sources ; la plus grande en représente 9.5 % : ce marché ne repose pas sur un seul canal.

Données du graphique
Où Zorky voit ce marché — Architecte Data. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
ClasseNomNom anglaisNombrePart
atsATS и карьерные сайтыATS et sites carrières3740,6032
boardджоб-борды и агрегаторыjob boards et agrégateurs2270,3661
telegramTelegramTelegram190,0306

Les offres Architecte Data les plus récentes, issues des pages carrières des entreprises.

Postes récents

Toutes les offres →

Dernières offres d'architecte Data ouvertes — les postes les plus récents de l'échantillon (niche senior étroite — le marché réel est plus large en raison du recoupement avec Data Engineer Senior). La liste complète est dans notre CRM ou via le lien « voir tout » ci-dessous. Pour une vue plus large, consultez les pages data-engineer + architecte solutions.

Comment c'est mesuré
Offre
une offre ouverte ayant passé le contrôle qualité et citant au moins deux technologies
Candidat observé
un candidat dont la stack contient cette technologie ; un agrégat — aucune fiche individuelle ne sort du périmètre
Candidat correspondant
pas encore compté
Fenêtre
offres ouvertes au moment de la création de l'instantané

À propos des données

  • Certaines ventilations sont masquées : leur couverture de données n'est pas encore suffisante.
  • Les statistiques ne sont affichées que là où l'échantillon passe un contrôle qualité.
  • Un bloc absent ne signifie pas une valeur nulle.

Ventilations masquées actuellement : 8.

Domaine: Architecture

Spécialisations associées

Au sein de l'Architecte Data : Architecte Data (généraliste — responsable de l'architecture des données d'un système / domaine), Architecte Data Senior / Principal (à l'échelle de l'entreprise + stratégie), Architecte Data Warehouse (orienté DWH / analytique), Architecte plateforme data (conception de plateforme data moderne / lakehouse), Modélisateur de données (focus sur la modélisation des données — plus étroit), Architecte Master Data (spécialité MDM), Architecte de l'information (gouvernance des données + gestion de l'information). Comparaison avec les architectes solutions/software/enterprise/security/integration — dans la barre ci-dessous.

Architecte d'entrepriseArchitecte d'intégrationArchitecte sécuritéArchitecte logicielArchitecte solutions

Questions fréquentes

Les réponses sont recalculées automatiquement.

Quel est le salaire d'un architecte Data Junior, Middle, Senior ou Lead ?

Architecte Data — rôle de niveau Senior (l'« Architecte Data Junior » existe rarement ; les grades inférieurs = postes mal intitulés — pour des repères réalistes, voir Senior / Lead). Parcours de carrière : Data Engineer Senior (5+ ans de pratique des pipelines de données + travail sur les entrepôts) → Architecte Data (via une expérience démontrée en modélisation des données + conception de plateforme + gouvernance) → Architecte Data Senior / Principal → soit Architecte Data en chef / Head of Data Architecture, responsable de plateforme data, Architecte d'entreprise (domaine data → EA plus large), soit filière Chief Data Officer (CDO). Entrée alternative : Administrateur de bases de données Senior + profondeur en modélisation des données → Architecte Data.

Quelle stack / quelles compétences exige-t-on le plus souvent d'un architecte Data ?

Stack / compétences principales : cloud, aws, azure, enterprise architect, sql. Modélisation des données — le socle : modèles conceptuels / logiques / physiques, modélisation dimensionnelle (Kimball — schémas en étoile / en flocon + faits/dimensions), 3NF / Inmon (DWH d'entreprise normalisé), Data Vault 2.0 (hubs + links + satellites — DWH d'entreprise agile, populaire 2026), One Big Table / tables larges (analytique moderne). Outils : erwin Data Modeler (classique des grands comptes), SqlDBM, dbdiagram.io, dbt (modèles sémantiques + lignage — couche de modélisation de fait 2026). ClickHouse (analytique temps réel — populaire en Russie, origine Yandex). Russe : Arenadata (basé sur Greenplum — leader du DWH en Russie après le départ de Teradata / Oracle). Data lakes : S3 / ADLS / GCS + formats de tables ouverts (Apache Iceberg — en croissance 2026 / Delta Lake / Apache Hudi). Patterns d'architecture des données : data warehouse / data lake / lakehouse (choix par défaut recommandé 2026) / data mesh (décentralisé, détenu par les domaines — Zhamak Dehghani) / data fabric (accès unifié piloté par les métadonnées). Intégration des données : ETL vs ELT (l'ELT domine 2026), CDC (Change Data Capture — Debezium), streaming de données (Kafka), unification batch + streaming. Orchestration : Airflow / Dagster / Prefect (décisions au niveau de l'architecture). Gouvernance des données : catalogue de données (Collibra / Alation / Atlan / DataHub open source / OpenMetadata), lignage des données, qualité des données (Great Expectations / Soda), gestion des données de référence MDM (Informatica MDM / Reltio), classification des données + confidentialité (données personnelles / RGPD / loi fédérale 152-FZ), contrats de données (en croissance 2024+). Couche sémantique : dbt Semantic Layer / Cube — source unique de vérité pour les métriques. Maîtrise de SQL — obligatoire (l'architecte data doit comprendre les schémas de requêtes + la performance). Compétences humaines : gestion des parties prenantes (les données sont transverses), communication de la stratégie data, facilitation de la gouvernance.

Architecte Data vs Data Engineer vs Architecte d'entreprise vs DBA — quelle différence ?

Data Engineer — construit concrètement les pipelines de données (ingestion + transformation + orchestration), implémente ce que le Data Architect a conçu. Voir Data Engineer (général). Data Architect (cette page) — conçoit le paysage de données : modèles de données + stratégie de stockage + flux de données + gouvernance. Niveau conception, pas de codage de pipelines. Database Administrator (DBA) — exploite des bases de données précises (optimisation des performances + sauvegardes + réplication + sécurité). Opérationnel. Voir Database Administrator (DBA) (dès que la page sera en ligne). Enterprise Architect — paysage technologique à l'échelle de l'organisation (l'architecture des données — l'un des 4 domaines TOGAF ; le Data Architect est souvent un Domain Architect au sein de l'EA). Voir Enterprise Architect. Parcours de carrière : Data Engineer Senior → Data Architect — voie naturelle. Data Architect → Enterprise Architect (domaine Data) ou Chief Data Officer. Choix de carrière : Data Engineer si vous aimez construire concrètement des pipelines ; Data Architect si vous aimez la conception + la modélisation + la gouvernance + la stratégie ; DBA si vous aimez l'exploitation approfondie des bases de données ; Enterprise Architect si vous voulez une vision à l'échelle de l'organisation au-delà des données.

Patterns d'architecture data 2026 — data warehouse vs data lake vs lakehouse vs data mesh vs data fabric ?

Arbre de décision pour le pattern d'architecture de données 2026 : 1) Data Warehouse — structuré, schema-on-write, optimisé pour l'analytique / la BI. DWH cloud : Snowflake / BigQuery / Redshift / Synapse. Avantages : analytique SQL rapide, outillage mature, qualité des données garantie. Inconvénients : données structurées uniquement, ETL en amont, plus coûteux pour les données brutes / non structurées. Cas d'usage : BI / reporting / analytique structurée — toujours central 2026. 2) Data Lake — stockage brut, schema-on-read, tous formats (structurés + non structurés). S3 / ADLS / GCS. Avantages : stockage bon marché, flexible, stocke tout. Inconvénients : risque de « data swamp » (sans gouvernance — le chaos), pas de performance SQL, pas d'ACID. Cas d'usage : zone d'atterrissage des données brutes, données d'entraînement ML, archivage. Rarement utilisé seul 2026. 3) Lakehouse — choix par défaut recommandé 2026. Convergence entrepôt + lac : stockage de data lake (S3 + format de table ouvert — Delta Lake / Iceberg / Hudi) + fonctionnalités d'entrepôt (transactions ACID + performance SQL + application du schéma + time travel). Databricks (Delta Lake) / Snowflake (support d'Iceberg). Avantages : une seule couche de stockage pour la BI + le ML + le streaming, moins cher qu'un pur DWH, pas de duplication des données. Inconvénients : écosystème plus jeune, nécessité d'une bonne stratégie de format de table. Cas d'usage : nouvelles plateformes data 2026 — choix par défaut (évite la duplication entrepôt + lac). 4) Data Mesh — pattern organisationnel / sociotechnique, pas une technologie. Concept de Zhamak Dehghani. 4 principes : propriété orientée domaine (les données appartiennent aux équipes métier, pas à une équipe data centrale), la donnée comme produit (chaque jeu de données — un produit avec SLA / documentation / qualité), plateforme data en self-service, gouvernance computationnelle fédérée. Avantages : passe à l'échelle sur le plan organisationnel (l'équipe data centrale est un goulot d'étranglement dans les grandes organisations), expertise métier dans la propriété des données. Inconvénients : exige une maturité organisationnelle, coûteux à mettre en œuvre, excessif pour les petites organisations. Cas d'usage : grandes organisations (nombreux domaines, l'équipe data centrale ne suit plus) — PAS pour les petites / moyennes (la surcharge organisationnelle le tuera). Souvent appliqué à tort. 5) Data Fabric — couche d'accès aux données unifiée pilotée par les métadonnées au-dessus de sources hétérogènes (data mesh — pattern organisationnel, data fabric — approche technologique / d'intégration). Métadonnées actives + graphe de connaissances + intégration automatisée des données. Concept promu par Gartner. Cas d'usage : organisations avec de nombreux silos de données legacy, besoin d'un accès unifié sans tout migrer. Recommandations par défaut 2026 : Nouvelle plateforme data → Lakehouse (Databricks ou Snowflake + Iceberg). BI / analytique structurée → DWH cloud (si le lakehouse est excessif). Données brutes / ML → data lake au sein du lakehouse (pas seul). Grande organisation, l'équipe data centrale est le goulot d'étranglement → Data Mesh (changement organisationnel, pas technologique). Nombreux silos legacy → Data Fabric (couche d'accès unifiée). Principe clé : le pattern suit la réalité organisationnelle + l'échelle — pas un culte du cargo « data mesh parce que c'est à la mode ».

Quelle part des offres propose du télétravail ?

Parmi les offres dont le mode de travail est indiqué, 38% sont en télétravail. Les offres sans mode de travail indiqué sont exclues du dénominateur ; le travail hybride n’est pas compté comme du télétravail.

En quoi l'Architecte plateforme data diffère-t-il de l'Architecte Data ?

Data Architect (général) — focus sur les modèles de données + les flux de données + la gouvernance + la stratégie de stockage (niveau logique / conceptuel — « comment les données sont structurées et circulent »). Data Platform Architect — focus sur la plateforme technique qui héberge les données (niveau infrastructure / outillage — « sur quoi vivent les données ») : conception de la plateforme data cloud (mise en place de Databricks / Snowflake), architecture calcul / stockage, outillage de la plateforme data (stack ingestion + orchestration + transformation + catalogue), scalabilité de la plateforme + optimisation des coûts, plateforme data en self-service (pour le data mesh). Davantage de recoupement avec le DevOps / Platform Engineering. Data Warehouse Architect — spécialité plus étroite : focus sur la conception de DWH (modélisation dimensionnelle en profondeur, ETL/ELT pour l'entrepôt, outillage BI). Data Modeler — rôle le plus étroit : focus uniquement sur la modélisation des données (modèles conceptuels / logiques / physiques, diagrammes ER) — souvent de niveau intermédiaire, pas architecte à part entière. Master Data Architect — spécialité MDM (master data management — source unique de vérité pour les entités clés — client / produit / etc.). Information Architect — recoupement — gouvernance des données + cycle de vie de l'information + taxonomie + métadonnées. Réalité 2026 : dans les petites / moyennes organisations, un seul Data Architect fait tout. Dans les grandes — spécialisation (Data Platform Architect + Data Warehouse Architect + Data Modeler + Master Data Architect — rôles distincts). Choix de carrière : Data Architect généraliste pour la largeur ; Data Platform Architect si vous aimez l'infrastructure / l'outillage en profondeur ; Data Warehouse Architect si vous aimez la modélisation dimensionnelle + l'analytique ; Master Data Architect si vous aimez la gouvernance / le MDM.

Par où commencer le parcours vers architecte Data en 2026 ?

Feuille de route (Data Architect — niveau senior, le chemin passe par Senior Data Engineer) : 1) Devenir un Senior Data Engineer solide — prérequis. 5+ ans de pratique : pipelines de données, travail sur l'entrepôt, maîtrise de SQL, compréhension concrète de l'outillage data. 2) Maîtrise de la modélisation des données — c'est la compétence clé du Data Architect. Modélisation dimensionnelle (Kimball — "The Data Warehouse Toolkit" Ralph Kimball — canonique), approche Inmon en 3NF, Data Vault 2.0 ("Building a Scalable Data Warehouse with Data Vault 2.0" Dan Linstedt). Modélisation conceptuelle / logique / physique. 3) SQL en profondeur — le Data Architect doit comprendre en profondeur les schémas de requêtes + les performances + l'optimisation. 4) Plateformes data cloud — en choisir une et l'approfondir : Snowflake (leader — certifications Snowflake) ou Databricks (Lakehouse — certifications Databricks) ou BigQuery. Expérience pratique de conception + construction. 5) Modern data stack — dbt (couche de transformation + modélisation de facto 2026 — certification dbt), orchestration des données (Airflow / Dagster), patterns ELT, CDC (Debezium). 6) Patterns d'architecture data — comprendre en profondeur warehouse vs lake vs lakehouse vs data mesh vs data fabric (quand utiliser lequel). "Fundamentals of Data Engineering" Joe Reis / Matt Housley (canonique 2026 — à lire absolument, couvre l'architecture). 7) Data mesh — "Data Mesh" Zhamak Dehghani (si vous travaillez / travaillerez dans une grande organisation). 8) Gouvernance des données — catalogues de données (Collibra / Alation / DataHub / OpenMetadata), data lineage, qualité des données (Great Expectations / Soda), concepts MDM, data contracts (en progression 2024+), protection des données personnelles (RGPD / loi fédérale 152-FZ). 9) Formats de tables ouverts — Apache Iceberg (en progression 2026) / Delta Lake / Apache Hudi — essentiels pour le lakehouse. 10) Couche sémantique — dbt Semantic Layer / Cube — cohérence des métriques. 11) Soft skills — la data est transverse (ingénieurs + analystes + métier + sécurité), il faut gérer les parties prenantes + communiquer la stratégie data + animer la gouvernance. 12) Pratique dans le poste actuel — en tant que Senior Data Engineer, prendre des tâches de niveau architecture : conception du modèle de données, choix de plateforme, mise en place de la gouvernance. Cours russes : Otus "Data Architect" / "DWH Analyst", Karpov.Courses (Data Engineering — recoupement), écoles data d'entreprise, formations Arenadata. International (EN) : "The Data Warehouse Toolkit" Kimball (modélisation dimensionnelle canonique), "Fundamentals of Data Engineering" Reis / Housley (à lire absolument 2026), "Data Mesh" Dehghani, certifications + formations officielles Snowflake / Databricks, dbt Learn (gratuit), parcours data engineering DataCamp / Coursera. Senior Data Engineer (5+ ans) + maîtrise de la modélisation des données + expertise d'une plateforme data cloud → Data Architect.

Combien d’offres ouvertes cet échantillon contient-il ?

L’échantillon publié contient 620 offres ouvertes après regroupement des republications. C’est le même nombre que dans l’indicateur principal. La section géographique décrit la couverture de l’échantillon ; il ne s’agit pas d’une estimation de l’ensemble du marché.

De quelles compétences un architecte Data Senior a-t-il besoin ?

Un Architecte Data Senior prend en charge le cycle complet de l'architecture des données + le leadership technique. Maîtrise de la modélisation des données : modélisation dimensionnelle (Kimball — schémas en étoile / en flocon + faits/dimensions en profondeur), 3FN / DWH d'entreprise Inmon, Data Vault 2.0 (hubs / links / satellites — DWH agile), modélisation conceptuelle / logique / physique, modélisation ER. Maîtrise approfondie de SQL : requêtes complexes, optimisation des requêtes, compréhension des plans d'exécution — l'Architecte Data doit comprendre en profondeur comment les données sont interrogées. Maîtrise d'une plateforme de données cloud : l'une de Snowflake / Databricks / BigQuery en profondeur — conception de l'architecture, optimisation des performances, optimisation des coûts (les plateformes de données coûtent cher, le rapport coût-architecture est crucial). Patterns d'architecture des données : warehouse / lake / lakehouse / data mesh / data fabric — connaître les compromis + quand les appliquer (pas de culte du cargo). Conception de lakehouse (formats de tables ouverts — Iceberg / Delta Lake / Hudi). Modern data stack : dbt (transformation + modélisation + couche sémantique), orchestration (Airflow / Dagster), patterns ELT, CDC (Debezium), streaming (Kafka) au niveau architecture. Architecture d'intégration des données : unification batch + streaming, stratégie d'ingestion des données, mapping source-cible. Maîtrise de la gouvernance des données : stratégie de catalogue de données (Collibra / Alation / DataHub / OpenMetadata), lignage des données, cadres de qualité des données (Great Expectations / Soda), gestion des données de référence (MDM), classification des données + confidentialité (conformité DCP / RGPD / loi fédérale 152-FZ dans l'architecture des données), contrats de données (formaliser les accords producteur-consommateur — en hausse depuis 2024+). Couche sémantique : cohérence des métriques (dbt Semantic Layer / Cube — source unique de vérité). Stratégie data : feuille de route de la plateforme de données, build-vs-buy pour l'outillage data, modèle opérationnel de l'équipe data (centralisé vs data mesh décentralisé). Conception de systèmes pour les données : concevoir au tableau blanc une plateforme de données à grande échelle (données à l'échelle du Po, des 1000aines de tables, temps réel + batch), planification de capacité, compromis performance + coût. Connaissances transverses : compréhension du Data Engineering (réalité de la mise en œuvre), de l'Analytics / BI (besoins des consommateurs), de la Sécurité (protection des données), de l'Architecture d'entreprise (contexte organisationnel). Soft skills : gestion des parties prenantes (la data est transverse : ingénieurs + analystes + business + sécurité + conformité), communication de la stratégie data à la direction, animation de la gouvernance des données, mentorat des Data Engineers. Anglais INDISPENSABLE pour Senior+ — la documentation des plateformes de données cloud + la communauté data + la communication en équipes internationales sont en anglais. Bonus facultatif : certifications de plateformes de données cloud (Snowflake / Databricks), certification dbt, interventions en conférence (conférences data), expérience de mise en œuvre du data mesh — augmentent fortement la valeur sur le marché pour les rôles d'Architecte Data Principal / Chief Data Architect.

Laisser une demande

Décrivez la tâche et laissez un contact : la demande arrive dans notre CRM et nous répondons au contact indiqué.

En envoyant, vous acceptez la politique de confidentialité.