Data engineer au Maroc : rôle, salaire et feuille de route

Que fait un data engineer ?

Un data engineer (ingénieur data) construit et fait tourner les systèmes qui déplacent les données de là où elles sont produites (applications, ERP, CRM, fichiers, API) vers là où elles sont utilisées (entrepôts de données, tableaux de bord, modèles de machine learning), de façon propre, documentée et fiable. Les data analysts et data scientists consomment les données ; le data engineer garantit qu'elles arrivent à temps, au bon format et sans erreur silencieuse.

Dans les entreprises marocaines, le poste couvre souvent :

• L'écriture de pipelines ETL / ELT en SQL et Python pour extraire, nettoyer et charger les données (ETL vs ELT expliqué).
• La conception et la maintenance d'un entrepôt de données avec tables de faits et de dimensions (qu'est-ce qu'un data warehouse).
• La planification et la supervision des traitements avec un orchestrateur, et leur correction quand une source change.
• L'ajout de contrôles qualité : doublons, valeurs manquantes, volumes inattendus.
• La gestion des accès, des performances et des coûts sur une base de données ou une plateforme cloud.
• Le travail avec l'IT, la sécurité et les métiers sur les données disponibles et leurs droits d'usage.

Data engineer, data analyst ou data scientist ?

	Data engineer	Data analyst	Data scientist
Objectif	Des données fiables et disponibles	Des réponses et des tableaux de bord	Des prédictions et des modèles
Langages clés	SQL, Python	SQL, DAX, un peu de Python	Python, SQL
Outils typiques	Airflow, dbt, Spark, Kafka, Docker, cloud	Excel, Power BI, Tableau	pandas, scikit-learn, notebooks
Livrables	Pipelines, entrepôts, modèles de données	Rapports, analyses	Modèles, expérimentations

Beaucoup de data engineers commencent comme analystes ou développeurs back-end. Si vous débutez, le guide data analyst au Maroc est une bonne première étape.

Quelles compétences pour devenir data engineer ?

Les fondamentaux

• SQL avancé : jointures, CTE, fonctions de fenêtrage, index, plans d'exécution. SQL est la langue quotidienne du métier ; voir les requêtes SQL pour l'analyse de données pour les bases.
• Python : scripts, pandas, API et fichiers, structuration du code, tests.
• Modélisation : modèles normalisés pour les applications, schémas en étoile pour l'analyse, dimensions à évolution lente.
• Linux, Git et la ligne de commande.

Pipelines et plateformes

• Orchestration : Apache Airflow est le choix open source le plus répandu ; la documentation est sur airflow.apache.org.
• Transformation : dbt ou modèles SQL ; les outils low-code comme KNIME, Talend ou SSIS restent présents dans beaucoup d'offres locales.
• Big data et streaming (dans les grandes structures) : Spark, Kafka.
• Conteneurs et CI/CD : Docker, un pipeline qui teste et déploie automatiquement (exemple de CI/CD).
• Cloud : un fournisseur maîtrisé en profondeur (Azure, AWS ou GCP). Azure revient souvent dans les banques et grands groupes marocains déjà équipés en outils Microsoft, mais cela dépend de chaque entreprise.

Une étape typique : un chargement idempotent

Un réflexe de tout data engineer : charger un lot quotidien de façon à ce que relancer le traitement ne crée pas de doublons. En PostgreSQL :

INSERT INTO dw.fact_payments (payment_id, customer_id, payment_date, amount_mad, loaded_at)
SELECT
    s.payment_id,
    s.customer_id,
    s.payment_date,
    s.amount_mad,
    now()
FROM staging.payments AS s
WHERE s.payment_date = CURRENT_DATE - 1
ON CONFLICT (payment_id) DO UPDATE
SET customer_id  = EXCLUDED.customer_id,
    payment_date = EXCLUDED.payment_date,
    amount_mad   = EXCLUDED.amount_mad,
    loaded_at    = EXCLUDED.loaded_at;

Il faut une contrainte d'unicité sur payment_id. La syntaxe est détaillée dans la documentation PostgreSQL sur INSERT.

La logique reste la même quel que soit l'outil : le projet décisionnel CNSS utilisait des flux ETL KNIME et Python pour nettoyer, normaliser et charger des fichiers hétérogènes dans un entrepôt MySQL en étoile, en remplaçant la préparation manuelle par des flux reproductibles.

Quel est le salaire d'un data engineer au Maroc ?

À notre connaissance, il n'existe pas d'enquête salariale publique fiable pour ce métier au Maroc. Les chiffres ci-dessous sont donc des ordres de grandeur indicatifs issus de l'observation générale du marché, pas des données officielles. Ce sont des salaires bruts mensuels en MAD, qui varient sensiblement selon l'entreprise, la ville, le secteur et l'expérience.

Niveau	Expérience	Fourchette brute mensuelle indicative (MAD)
Junior	0 à 2 ans	environ 8 000 – 13 000
Confirmé	2 à 5 ans	environ 13 000 – 22 000
Senior / lead	5 ans et plus	environ 22 000 – 35 000, parfois davantage

À niveau égal, le data engineer se situe en général un peu au-dessus du data analyst : la stack est plus technique et peu de candidats ont une vraie expérience en production. Le net est inférieur au brut après cotisations et impôt sur le revenu ; comparez les offres sur la même base (brut ou net, nombre de mois, primes, assurance maladie).

Qu'est-ce qui fait varier le salaire ?

• Le type d'entreprise : banques, assurances, opérateurs télécoms, multinationales et grands cabinets de conseil ou d'offshoring proposent souvent les fourchettes hautes.
• La ville : Casablanca et Rabat concentrent la plupart des offres ; Tanger, Marrakech et Fès en comptent moins.
• L'expérience cloud et big data : des réalisations prouvées sur Azure, AWS ou GCP, Spark ou Kafka en production augmentent votre valeur.
• La responsabilité en production : assurer l'astreinte sur des pipelines critiques ou porter une plateforme est mieux payé que construire des prototypes.
• L'anglais : exigé pour beaucoup de postes offshoring et de télétravail pour des entreprises étrangères, parfois au-dessus des fourchettes locales.
• Les certifications : les certifications cloud data aident un CV à passer les filtres, mais les projets réels pèsent davantage en entretien.

Où trouver des offres de data engineer au Maroc ?

• LinkedIn : le canal principal, surtout pour les banques, cabinets de conseil, multinationales et postes à distance.
• ReKrute : un site d'emploi marocain majeur, utilisé par les grandes entreprises et les cabinets de recrutement.
• Emploi.ma : un site d'emploi marocain très fréquenté, avec des offres dans tous les secteurs.
• Les pages carrières des entreprises : banques, opérateurs télécoms, grands groupes industriels, ESN et cabinets de conseil y publient souvent en premier.
• Les stages PFE : la voie d'entrée la plus courante pour les élèves ingénieurs et étudiants en master.

Les intitulés varient : « Data Engineer », « Ingénieur Data », « Ingénieur Big Data », « Développeur ETL », « Ingénieur BI ». Cherchez-les tous.

Feuille de route : devenir data engineer en 6 à 12 mois

Ce plan suppose des bases en programmation et environ 10 à 15 heures par semaine. Si vous partez de zéro, ajoutez deux à trois mois au début.

Période	Priorité	Livrable concret
Mois 1–2	SQL avancé, PostgreSQL, modélisation	Un schéma normalisé et 40 requêtes analytiques dessus
Mois 2–4	Python pour la data : fichiers, API, pandas, tests, Git	Un script qui extrait les données d'une API publique et charge PostgreSQL
Mois 4–6	Entrepôt et ETL/ELT : étoile, chargements incrémentaux, dbt ou modèles SQL	Un petit entrepôt avec une table de faits, 3–4 dimensions et des chargements quotidiens
Mois 6–8	Orchestration et qualité : Airflow, relances, contrôles, logs	Le pipeline planifié dans Airflow avec alertes sur les contrôles en échec
Mois 8–10	Docker, CI/CD et un fournisseur cloud	Le projet conteneurisé et déployé sur l'offre gratuite d'un cloud
Mois 10–12	Bases de Spark ou du streaming, portfolio, CV, candidatures	Un projet de bout en bout documenté en ligne et des candidatures ciblées chaque semaine

À quoi ressemble un bon projet de portfolio ?

Un projet de bout en bout vaut plus que beaucoup de petits exercices. Par exemple : collecter chaque jour des données d'une source publique, stocker les fichiers bruts, les transformer en schéma en étoile dans PostgreSQL, planifier le tout avec Airflow, tester la qualité des données et exposer un tableau de bord simple. Documentez l'architecture, les choix et les limites dans un README. Les recruteurs veulent voir que vous comprenez les pannes, les relances et la qualité des données, pas seulement le scénario idéal.

Comment réussir un entretien de data engineer ?

• SQL : fonctions de fenêtrage, dédoublonnage, logique incrémentale, optimisation de requêtes.
• Python : lecture de fichiers et d'API, gestion des erreurs, petit exercice de transformation.
• Conception : « Concevez un pipeline qui charge chaque jour les ventes de 50 magasins » : sources, staging, transformations, planification, supervision, relances.
• Modélisation : schéma en étoile, grain, dimensions à évolution lente.
• Exploitation : que faites-vous quand un traitement échoue à 3 h du matin ou qu'une colonne source change ?

Conclusion

Le data engineering est la fondation de tout tableau de bord fiable et de tout projet d'IA. Les employeurs au Maroc recherchent un bon niveau en SQL et Python, en modélisation, en orchestration et un peu de cloud. Les salaires dépendent fortement de l'entreprise et de votre expérience en production : considérez tout chiffre comme une fourchette à vérifier. Un plan de 6 à 12 mois construit autour d'un projet complet et bien documenté reste le chemin le plus convaincant.

Pour voir à quoi cela ressemble concrètement, consultez le profil Data & AI engineer ou le service data engineering.