Analyse des Offres d’Emploi en Machine Learning : Étude Data-Driven de 1 000 Postes en 2025

Au cours de l’année passée, le monde a connu un essor du Generative AI sans précédent. Des outils comme ChatGPT, Midjourney ou Claude ont transformé notre manière d’écrire, de coder, de concevoir, et même de réfléchir. Derrière ces avancées se cachent d’immenses modèles de langage et des progrès constants en machine learning. Alors que l’IA générative continue d’évoluer à une vitesse fulgurante, les entreprises de tous secteurs se précipitent pour rester à la pointe — non seulement en adoptant ces technologies, mais aussi en recrutant les talents capables de les développer et de les déployer à grande échelle.

Mais à quoi ressemble réellement cette vague de recrutement ?

Pour le savoir, nous avons analysé un jeu de données de 1 000 offres d’emploi liées au machine learning, collectées sur les sites carrières d’entreprises et les plateformes d’emploi aux États-Unis, de fin 2024 à début 2025. De l’essor des ingénieurs en IA générative à la demande continue pour les rôles ML traditionnels, ce dataset offre un instantané de l’industrie et met en lumière ceux qui façonnent cette transformation.

Plongeons dans les chiffres.

Le jeu de données utilisé pour ce blog provient de Kaggle, et l’analyse a été réalisée avec Powerdrill.

Quels états ou villes recrutent le plus d'ingénieurs en apprentissage automatique?

Curieux de savoir où les ingénieurs en apprentissage automatique obtiennent le plus d'opportunités d'emploi? Nous avons décomposé les 10 principales villes et états américains recrutant pour des rôles en apprentissage automatique — et les résultats ne sont pas une surprise.

En tête du classement, San Francisco (CA) compte 105 offres d’emploi, suivie de près par Los Angeles (CA) avec 90 postes ouverts. Le reste du top des villes tech comprend :

• Menlo Park (CA) – 39 offres

• San Jose (CA) – 33

• Seattle (WA) – 33

• San Francisco (listings supplémentaires) – 31

• New York (NY) – 28

• Mountain View (CA) – 25

• Santa Monica (CA) – 19

• Boston (MA) – 17

Points clés à retenir

• La Californie domine le marché du recrutement en ML, avec San Francisco et Los Angeles en tête.

• La Bay Area (Menlo Park, San Jose, Mountain View et villes avoisinantes) reste un pôle majeur pour les talents en machine learning.

• En dehors de la Californie, Seattle, New York et Boston affichent également une forte demande, soulignant un besoin national de compétences en IA.

Évolution de la demande pour les ingénieurs ML

Le recrutement en ML est en plein essor. Selon les données, une tendance est claire : le véritable boom du recrutement n’a commencé qu’au début de 2025. Entre décembre 2022 et la majeure partie de 2024, les offres sont restées relativement stables, sans signe de croissance massive.

Mais cette période calme a pris fin en mars 2025, avec un pic soudain de 425 offres, suivi de près par 433 en avril — un saut spectaculaire comparé aux mois précédents.

Le timing coïncide étroitement avec l'accélération de l'adoption de l'IA générative et des investissements des entreprises dans les infrastructures de grands modèles linguistiques. Les entreprises ne font plus que des expériences — elles recrutent de véritables équipes pour construire, intégrer et évoluer.

Qui recrute? Les entreprises leaders dans la course aux talents en apprentissage automatique

La montée des rôles en apprentissage automatique ne concerne pas seulement le lieu — elle concerne aussi qui recrute. Notre analyse des offres d'emploi révèle un champ concurrentiel, mais quelques grands acteurs mènent clairement la charge.

Qui recrute dans le Machine Learning ?

L’essor des postes en machine learning ne se limite pas aux villes — il s’agit aussi de qui recrute. Notre analyse des offres montre un secteur compétitif, mais quelques grands acteurs se démarquent clairement.

En tête, TikTok se distingue avec 88 postes ML ouverts, soit plus du double de toute autre entreprise du classement. Meta arrive en deuxième position avec 39 offres, confirmant son investissement massif dans l’infrastructure et la recherche en IA.

Autres entreprises notables :

• Snap Inc., Adobe et Splunk – 18 offres chacune

• Netflix et DoorDash – 17 offres chacune

• Amazon – 15

• AWS (Amazon Web Services) – 13

• Slack et Waymo – 11 offres chacune

Points clés à retenir

• TikTok et Meta dominent clairement le recrutement ML, signe d’une expansion agressive dans les initiatives IA et IA générative.

• Une diversité d’acteurs tech — du streaming (Netflix) à la logistique (DoorDash) en passant par les outils d’entreprise (Slack) — recherche activement des talents ML.

• La longue traîne des entreprises avec des volumes de recrutement plus modestes mais réguliers reflète l’étendue croissante des besoins en machine learning, même au-delà des sociétés traditionnellement “AI-first”.

Il n’y a plus seulement les Big Tech à la chasse aux ingénieurs ML — presque tout le monde s’y met.

Quels postes sont les plus demandés ?

Les intitulés de poste révèlent plus que les fonctions : ils donnent un aperçu de la manière dont les entreprises structurent leurs équipes IA. Dans ce dataset, un intitulé se détache clairement du reste.

• Les rôles liés au Machine Learning dominent largement le marché, apparaissant 786 fois. Cela inclut tous les intitulés contenant “machine learning” ou “ML”, soulignant l’importance centrale de cette discipline.

• Le poste de Data Scientist arrive en deuxième position avec 116 annonces — toujours significatif, mais loin derrière la catégorie ML.

• La catégorie “Autres”, qui regroupe les intitulés ne correspondant pas à des catégories prédéfinies, apparaît 74 fois.

• Les rôles mentionnant explicitement “IA” apparaissent 20 fois, indiquant une approche plus générale ou conceptuelle.

• Le poste d’Applied Scientist est le plus rare du dataset, avec seulement 1 apparition, suggérant une utilisation plus ciblée ou spécifique à certaines organisations (par exemple Amazon, Microsoft).

Points clés à retenir

• “Machine Learning” est l’intitulé privilégié par les employeurs, reflétant un besoin de spécialisation approfondie plutôt que de talents IA généralistes.

• Les rôles de Data Scientist restent très pertinents, surtout dans les entreprises centrées sur les insights produits basés sur les données.

• Les intitulés “IA” et “Applied Scientist” sont beaucoup moins fréquents, indiquant des stratégies de recrutement plus niches ou spécifiques à certains écosystèmes tech.

Alors que l’IA générative transforme les structures d’équipe, le titre “Machine Learning Engineer” devient non seulement populaire, mais le nouveau standard.

Quels niveaux de séniorité recrutent les entreprises ?

Dans le domaine du Machine Learning, tous les niveaux de poste ne se valent pas. Notre analyse révèle une tendance claire : les entreprises recrutent principalement pour des talents junior et intermédiaires, tandis que les postes de direction senior restent beaucoup plus rares.

Voici la répartition des chiffres :

• Les postes de niveau intermédiaire à senior sont les plus fréquents, avec 371 offres, ce qui suggère que les employeurs recherchent des ingénieurs ayant quelques années d’expérience pratique et capables de contribuer immédiatement.

• Les postes débutants arrivent juste derrière, avec 300 offres, offrant de solides opportunités pour les nouveaux diplômés ou ceux entrant dans le domaine.

• La catégorie Non spécifié apparaît 209 fois, représentant souvent les annonces où le niveau de séniorité n’était pas indiqué ou ne correspondait pas aux catégories standard.

• Les stages sont également bien représentés, avec 70 offres, reflétant un pipeline sain pour le développement des talents juniors.

• Les postes Associate apparaissent 32 fois, souvent pour des emplois en début de carrière ou en phase de transition.

• Les postes de directeur sont rares, avec seulement 5 offres, et les rôles executive quasi inexistants — une seule annonce dans l’ensemble du dataset.

Points clés à retenir

• Le niveau intermédiaire à senior constitue le principal axe de recrutement, indiquant une forte demande pour des professionnels ayant 3 à 5 ans d’expérience en ML.

• Le recrutement entry-level est robuste, montrant que de nombreuses équipes sont prêtes à former et développer de nouveaux talents.

• Les postes de direction en ML sont rares, reflétant probablement que le leadership en IA reste centralisé au sein d’un petit nombre de rôles ou de spécialistes seniors.

Pour ceux qui entrent sur le marché du travail ou souhaitent passer à un rôle pratique en ML, le marché est largement ouvert — à condition de posséder les compétences requises.

Quelles compétences recherchent vraiment les employeurs ML ?

Dans les descriptions de poste en machine learning, les outils et compétences que vous maîtrisez peuvent faire la différence. Notre analyse de 1 000 offres révèle quelles compétences sont réellement en demande — et lesquelles sont encore en phase de montée en puissance.

Voici nos principaux enseignements :

• Python domine largement, apparaissant dans 752 descriptions de poste, confirmant son rôle de langage universel du Machine Learning.

• AWS est mentionné dans 493 offres, montrant que la maîtrise du cloud est désormais un standard attendu.

• PyTorch et TensorFlow, les deux principaux frameworks de deep learning, apparaissent respectivement 469 et 388 fois, démontrant leur importance équivalente dans les exigences réelles du marché.

• SQL est présent dans 294 offres, reflétant sa pertinence continue pour le prétraitement et les requêtes de données.

• Les LLM (Large Language Models) figurent dans 206 annonces, un signe clair que l’IA générative s’intègre progressivement dans les besoins de recrutement mainstream.

• MLOps apparaît dans 142 descriptions de poste, moins fréquent mais toujours notable, surtout avec la montée en puissance de la production et de la scalabilité des pipelines ML.

Points clés à retenir

• Python est indispensable. Tout professionnel du ML doit le maîtriser.

• La maîtrise du cloud, notamment AWS, est tout aussi cruciale pour déployer des modèles à grande échelle.

• PyTorch et TensorFlow restent des compétences centrales, et connaître les deux constitue un avantage.

• Les LLM et MLOps sont en forte progression, mais pas encore aussi répandus que les outils plus établis. Cependant, ils sont de véritables différenciateurs pour rejoindre des équipes de pointe en IA générative.

Que vous soyez débutant ou ingénieur ML expérimenté, aligner vos compétences sur ces technologies en demande peut être la clé pour saisir votre prochaine opportunité professionnelle.

Quels sont les intitulés de poste les plus courants en Machine Learning ?

Les intitulés de poste offrent une fenêtre sur la structure des équipes IA et sur ce que les entreprises recherchent réellement. Pour identifier les rôles les plus demandés, nous avons analysé les 10 intitulés les plus fréquents parmi 1 000 offres d’emploi liées au Machine Learning.

Les chiffres parlent d’eux-mêmes :

• Machine Learning Engineer domine largement avec 243 occurrences, s’imposant comme le titre phare du recrutement ML.

• Data Scientist arrive en deuxième position avec 53 annonces, toujours significatif mais loin derrière le leader.

Autres intitulés fréquemment rencontrés :

• Software Engineer, Machine Learning – 30

• Senior Machine Learning Engineer – 22

• Software Engineer, Machine Learning (Multiple Levels) – Slack – 9

• Machine Learning Engineer, AI (Fully Remote, USA) – 9

• Machine Learning Engineer, AI Platform (Fully Remote, USA Only) – 8

• Machine Learning Engineer II – 8

• Artificial Intelligence / Data Scientist Intern (HR) – 8

• Software Engineer – 7

Points clés à retenir

• “Machine Learning Engineer” est devenu le titre de référence dans l’industrie, reflétant à la fois spécialisation et maturité dans la définition du rôle.

• “Data Scientist” reste pertinent, bien que sa position diffère de plus en plus des rôles ML orientés engineering.

• La longue traîne des intitulés (y compris des variantes comme “ML Engineer II” ou “AI Platform”) montre que les équipes expérimentent la nomination des rôles pour refléter le niveau, le focus et la flexibilité du travail à distance.

En résumé, si vous postulez à des emplois en ML, il y a de fortes chances que votre rôle de rêve commence par “Machine Learning Engineer”.

Réflexions finales : ce que ces données révèlent sur le marché de l’emploi en ML

De la forte demande début 2025 à la domination de titres comme Machine Learning Engineer, en passant par la préférence marquée pour des compétences telles que Python, AWS et PyTorch, ce dataset met en lumière un marché de l’emploi en pleine évolution, parallèlement aux avancées de l’IA générative et des grands modèles de langage.

La Californie reste l’épicentre, avec des villes comme San Francisco, Los Angeles et Menlo Park en tête des recrutements. Mais la demande de talents ML se répand clairement, avec des entreprises de tous secteurs — des géants tech comme TikTok et Meta aux startups et équipes remote-first — qui développent activement leurs capacités en IA.

Par ailleurs, les tendances de recrutement montrent un fort focus sur les postes junior et intermédiaire, avec relativement peu d’offres pour des postes de direction senior. Cela indique que les entreprises cherchent à construire des équipes techniques solides depuis la base.

Que vous soyez un aspirant Machine Learning Engineer ou une entreprise souhaitant rester à la pointe de l’IA, cet aperçu de 1 000 offres d’emploi rappelle que le marché du travail en machine learning n’est pas seulement actif — il est en pleine accélération. Les compétences, les intitulés et les lieux recherchés aujourd’hui détermineront l’évolution de l’industrie demain.