Aller au contenu
Recrutement data 14 novembre 2026 10 min de lecture

Recruter un data engineer ou un freelance data au Maroc : le guide

Pour recruteurs, RH, agences et entreprises : quoi tester, comment distinguer junior et senior, et comment cadrer et chiffrer une mission data freelance.

Recruter un data engineer ou un freelance data au Maroc : le guide couverture

À qui s'adresse ce guide ?

Ce guide s'adresse aux recruteurs, aux équipes RH, aux agences et aux entreprises qui veulent recruter un data engineer au Maroc, ou un freelance data pour un projet défini. Il couvre le choix entre CDI et freelance, les compétences à tester, des questions d'entretien avec ce qu'une bonne réponse contient, un court exercice à la maison, les signaux qui distinguent un junior d'un senior, et la façon dont une mission freelance est cadrée et chiffrée.

Pour un rappel sur le métier lui-même, commencez par le rôle du data engineer au Maroc.

CDI ou freelance : que choisir ?

Les deux sont valables. Le bon choix dépend de la durée du besoin et de son degré de définition.

QuestionRecrutement en CDIFreelance
Nature du besoinContinu : une plateforme data à construire et faire vivre pendant des annéesCadré : un pipeline, un entrepôt, un tableau de bord, un audit
Délai de démarrageSouvent plusieurs semaines à plusieurs mois (recherche, préavis)Souvent quelques jours à quelques semaines
Conservation du savoirReste dans l'entrepriseÀ sécuriser par la documentation et la transmission
Structure de coûtSalaire, cotisations, équipement, temps de managementUn devis par mission ou par période, facturé
Idéal quandLa donnée est au cœur du métier et change chaque semaineVous voulez un résultat rapide, ou tester un cas d'usage d'abord

Un parcours fréquent consiste à démarrer avec un freelance sur un premier projet bien défini (par exemple un premier pipeline automatisé et un tableau de bord), puis à recruter en interne une fois la plateforme et la charge de travail claires. La documentation du freelance devient alors le support d'intégration de la nouvelle recrue.

Quelles compétences tester ?

Un CV de data engineer aligne souvent beaucoup d'outils. Testez les compétences qui se cachent derrière, sur des cas réalistes.

CompétenceCe qu'il faut vérifierComment la tester
SQLJointures, agrégations, fonctions de fenêtrage, dédoublonnage, performanceExercice en direct sur un petit schéma
PythonLecture de fichiers et d'API, gestion des erreurs, fonctions propres, testsExercice à la maison ou en binôme
ModélisationSchéma en étoile, grain, faits et dimensions, dimensions à évolution lenteDiscussion au tableau sur votre propre activité
ETL / ELTChargements incrémentaux, relances idempotentes, planification, contrôles qualitéQuestion de conception
CloudUn fournisseur maîtrisé, stockage, calcul, droits d'accès, coûtQuestions sur un projet réellement déployé
Power BI (si le reporting fait partie du poste)Modèle de données, mesures DAX, actualisation, sécurité au niveau des lignesRevue d'un rapport réalisé par le candidat

Questions d'entretien et éléments d'une bonne réponse

SQL. « Une table de commandes contient des doublons pour un même order_id, chargés deux fois. Gardez seulement la ligne la plus récente par commande. » Un bon candidat utilise une fonction de fenêtrage et explique pourquoi :

SELECT *
FROM (
    SELECT o.*,
           ROW_NUMBER() OVER (PARTITION BY order_id ORDER BY loaded_at DESC) AS rn
    FROM staging.orders AS o
) AS t
WHERE rn = 1;

Enchaînez avec : « Comment éviteriez-vous les doublons au lieu de les nettoyer ? » On attend une clé unique et un chargement idempotent (upsert), pas seulement une requête de nettoyage.

Python. « Une API renvoie 50 000 enregistrements par pages de 500 et expire parfois. Comment la charger de façon fiable ? » Cherchez la pagination, des relances avec délai, des journaux, et l'écriture des données brutes avant transformation.

Modélisation. « Nous voulons les ventes quotidiennes par magasin, produit et vendeur. Dessinez le modèle. » Une bonne réponse fixe d'abord le grain (une ligne par ligne de vente, ou par jour et magasin), puis la table de faits et ses dimensions. Un senior soulève spontanément la question de l'historique : que se passe-t-il quand un vendeur change de magasin ?

ETL et exploitation. « Un traitement quotidien a échoué cette nuit et le tableau de bord affiche les chiffres d'avant-hier. Que faites-vous ? » On attend une séquence posée : lire les journaux, trouver la cause, corriger, relancer sans créer de doublons, prévenir les utilisateurs, ajouter un contrôle ou une alerte pour que l'échec ne passe plus inaperçu.

Cloud et coûts. « Quelles ressources cloud votre dernier pipeline utilisait-il, et combien coûtait-il à peu près par mois ? » Les candidats qui ont vraiment déployé quelque chose répondent concrètement ; les autres décrivent un tutoriel.

Power BI. « Pourquoi préférer une mesure à une colonne calculée pour un total ? » Une bonne réponse évoque l'évaluation dans le contexte de filtre, la taille du modèle et le temps d'actualisation.

Un petit exercice à la maison (2 à 3 heures)

Gardez-le court : un long exercice non rémunéré décourage les meilleurs candidats.

  1. Fournissez deux fichiers CSV (par exemple commandes et clients) avec quelques problèmes réalistes : doublons, valeurs manquantes, dates incohérentes.
  2. Demandez un script Python ou SQL qui les charge dans une base locale (SQLite ou PostgreSQL sous Docker), les nettoie et construit une table de faits et une ou deux dimensions.
  3. Demandez trois contrôles qualité qui échouent de façon visible, et un README d'une page : choix, hypothèses, ce qui serait fait avec plus de temps.

Notez-le avec une grille fixée à l'avance : exactitude du résultat, sécurité des relances, lisibilité, tests ou contrôles, qualité du README. Le README en dit souvent plus sur la séniorité que le code.

Junior ou senior : les signaux

SignalJuniorSenior
Parle deOutils et formationsArbitrages, pannes et leurs causes
SQLDes requêtes justesDes requêtes justes et rapides, et l'explication du plan d'exécution
PipelinesUn pipeline qui tourne une foisRelances, chargements incrémentaux, supervision, alertes
ModélisationSait ce qu'est un schéma en étoileChoisit le grain et le défend avec le besoin métier
ProductionPeu ou pasA porté des traitements dont d'autres dépendaient
CommunicationRépond à la questionPose des questions sur le métier avant de proposer une solution

Un bon junior n'est pas un mauvais senior : cherchez la curiosité, un code propre, des README honnêtes et au moins un projet de bout en bout, même académique. Par exemple, un projet académique ou de stage qui charge des fichiers hétérogènes dans un entrepôt en étoile, comme le projet décisionnel CNSS, montre déjà une réflexion de modélisation et d'ETL.

Les signaux d'alerte

  • Une longue liste d'outils sans aucun projet où ils ont été utilisés ensemble.
  • Aucune question sur vos données, vos utilisateurs ou vos contraintes avant de proposer une stack.
  • Incapacité à expliquer ce qui se passe quand un traitement tourne deux fois.
  • Chaque problème est réglé par un nouvel outil plutôt que par du SQL, un contrôle ou une conception plus simple.
  • Pour un freelance : pas de périmètre écrit, pas de liste de livrables, ou un refus de documenter et de transmettre les accès.
  • Des promesses de « temps réel » ou d'« IA » avant même de connaître la qualité des données.

Comment une mission data freelance est cadrée et chiffrée

Au Maroc, une mission data freelance se chiffre généralement de l'une de deux façons.

  • Au forfait, par livrable : le périmètre est écrit (sources, tables, pages, actualisation), le prix est fixe, et les changements passent par un petit avenant. Adapté aux besoins bien définis, avec un budget connu pour le client.
  • Au temps passé : le client paie le temps consacré, à la journée ou à l'heure, sur une liste de tâches qui peut évoluer. Adapté au support continu, à l'exploration et aux plateformes dont le périmètre n'est pas encore clair.

Dans les deux cas, un court audit ou un échange de cadrage vient d'abord : le nombre de sources, le volume, la qualité des données et la fréquence d'actualisation déterminent l'effort bien plus que l'outil.

Des prix de départ réels comme exemples

Comme référence concrète, voici les prix « à partir de » des cinq services que je propose en freelance. Ce sont des points de départ pour le plus petit périmètre, pas des tarifs journaliers, et le prix final est fixé après un court échange sur vos données.

ServicePrix de départPlus petit périmètre
Data engineering et pipelines ETLà partir de 2 500 MADUn premier pipeline automatisé
Tableaux de bord Power BI et Looker Studioà partir de 1 500 MADUn tableau de bord d'une page sur une source
Automatisation IA et assistants RAGà partir de 1 000 MADUne automatisation simple ; assistants RAG sur devis
Création de site web Next.jsà partir de 3 000 MADUne landing page ; applications sur devis
SEO techniqueà partir de 800 MADUn audit ; corrections sur devis

Un entrepôt multi-sources avec plusieurs tableaux de bord est chiffré sur son propre périmètre ; le tableau montre seulement où commence le plus petit livrable utile.

Un modèle de brief à copier

Envoyer ce brief avant le premier échange fait gagner une réunion et rend les devis comparables entre candidats ou freelances.

1. Contexte : entreprise, équipe, utilisateurs des données.
2. Objectif : la décision ou le processus à améliorer, en une phrase.
3. Sources : systèmes et fichiers (ERP, CRM, Excel, API), volume approximatif.
4. Livrables attendus : pipeline, tables de l'entrepôt, pages de tableau de bord, documentation.
5. Actualisation : quotidienne, horaire, à la demande.
6. Contraintes : hébergement, cloud déjà utilisé, règles de sécurité et de données personnelles.
7. Accès : qui fournit les identifiants et un échantillon de données, et quand.
8. Calendrier et fourchette de budget.
9. Type de contrat : CDI, mission au forfait ou support au temps passé.
10. Critères de réussite : comment vous saurez que le projet a fonctionné.

Conclusion

Recruter un data engineer ou un freelance data au Maroc fonctionne mieux quand le besoin est écrit d'abord. Choisissez un CDI pour faire vivre une plateforme et un freelance pour un livrable cadré, testez SQL, Python, modélisation et exploitation sur des cas réalistes, et jugez la séniorité sur les arbitrages et l'expérience en production plutôt que sur la longueur de la liste d'outils.

Si vous êtes recruteur, la page recruteurs réunit mon profil, mon CV et ma disponibilité. Si vous avez un projet, décrivez-le via la page contact.

  • Hiring
  • Data engineer
  • Freelance
  • Morocco
  • Interview
  • SQL
  • Power BI

Partager cet article

Anass Essadikine

À propos de l'auteur

Anass Essadikine

Data & AI Engineer et ingénieur logiciel basé à Casablanca, au Maroc. Je construis des plateformes data, des tableaux de bord Power BI, des assistants RAG et des applications Next.js / Spring Boot.

Projets liés

Illustration du projet D&A Studio: Plateforme Data & IA (PaaS)
IA & Automatisation

D&A Studio: Plateforme Data & IA (PaaS)

Une plateforme qui réunit données de traçage géospatial, assistant IA sur les documents de l'entreprise, détection d'anomalies et tableaux de bord BI.

Stage · 2026Spring BootJava 21ReactPostgreSQL+8
Illustration du projet Streaming e-commerce temps réel avec Flink et Kafka
Ingénierie des données

Streaming e-commerce temps réel avec Flink et Kafka

Un TP de traitement de flux où les commandes créées via une API Node.js passent par Kafka et sont analysées en direct par un job Apache Flink : fenêtres en temps d'événement, enrichissement et détection de motifs de paiement suspects.

Projet académique · 2026Apache FlinkJavaKafka (Redpanda)Flink CEP+5

Questions fréquentes

Recrutez en CDI quand la donnée est centrale et que la plateforme demande un travail continu. Choisissez un freelance pour un livrable cadré comme un premier pipeline, un entrepôt ou un tableau de bord, ou pour tester un cas d'usage avant de constituer une équipe. Beaucoup d'entreprises commencent par un freelance puis recrutent.

Un exercice SQL en direct avec fonctions de fenêtrage et dédoublonnage, une question Python sur le chargement fiable d'une API, une discussion de modélisation sur votre activité, un scénario d'exploitation autour d'un traitement de nuit en échec et des questions sur un projet cloud réellement déployé.

Deux à trois heures suffisent pour juger la qualité du code, la sécurité des relances et la documentation. Des exercices plus longs et non rémunérés découragent les candidats expérimentés. Notez avec une grille fixée à l'avance et lisez attentivement le README.

Soit au forfait par livrable, quand le périmètre est écrit et stable, soit au temps passé, pour un support continu ou un périmètre qui évolue. Un court audit des sources, du volume, de la qualité et de la fréquence d'actualisation vient généralement d'abord, car ces facteurs déterminent l'effort.

À titre d'exemple réel, mes services démarrent à 2 500 MAD pour un premier pipeline automatisé et à 1 500 MAD pour un tableau de bord Power BI d'une page sur une source. Les projets plus larges et multi-sources sont chiffrés après un court échange sur les données.

Articles liés

Tous les articles
Qualité des données et détection d'anomalies en pratique
Ingénierie des données

Qualité des données et détection d'anomalies en pratique

Des chiffres faux dans un tableau de bord détruisent la confiance plus vite que des rapports lents. Voici mon approche en couches : règles d'abord, statistiques ensuite, machine learning seulement si nécessaire.

8 min de lecture

Besoin de ces compétences ?

Je suis ouvert aux missions freelance, aux stages et aux postes à temps plein. Discutons.