Un side project en data n’est pas seulement un moyen de progresser techniquement. C’est aussi une arme redoutable en entretien, un atout pour ton CV, et un excellent levier pour networker. Voici une sélection de projets, classés du plus complexe au plus accessible.
1. Créer un modèle de prédiction complet (projet avancé)
Exemple :
Construire un modèle de prédiction des prix immobiliers à partir de données publiques (ex. données INSEE ou Kaggle).
Objectifs techniques :
- Collecte et nettoyage de données (Pandas, NumPy).
- Feature engineering (création de variables explicatives).
- Modélisation (scikit-learn, XGBoost, voire PyTorch).
- Visualisation et dashboard final (Streamlit, Dash).
Pourquoi c’est puissant :
- Tu montres ta maîtrise de bout en bout d’un pipeline data.
- Tu peux le déployer en ligne (via Streamlit Cloud) pour le montrer en entretien.
- C’est un projet concret et différenciant sur un sujet que tout le monde comprend.
2. Créer un tableau de bord interactif (niveau intermédiaire)
Exemple :
Analyser les ventes d’un e-commerce fictif avec un dashboard Power BI ou Tableau. Tu peux aussi le faire avec Python + Plotly Dash.
Objectifs techniques :
- Nettoyer et structurer des données.
- Créer des indicateurs clés (KPI : chiffre d’affaires, panier moyen, taux de conversion).
- Développer un dashboard ergonomique.
Pourquoi c’est utile :
- C’est un projet très visuel, parfait à montrer sur un portfolio.
- Les recruteurs voient immédiatement ta capacité à rendre les données parlantes.
- En entretien, tu peux expliquer tes choix de visualisation — excellent moyen d’engager la conversation.
3. Réaliser une étude statistique sur un sujet qui te passionne (niveau intermédiaire)
Exemple :
Analyser les tendances Spotify, les performances des joueurs de football, ou encore les films les mieux notés sur IMDB.
Objectifs techniques :
- Collecter des données via des API publiques.
- Explorer et visualiser les données (matplotlib, seaborn).
- Extraire des insights pertinents et raconter une histoire avec les chiffres.
Pourquoi c’est pertinent :
- Ce type de projet montre ta curiosité intellectuelle.
- Tu peux en parler avec enthousiasme en entretien, ce qui crée une vraie connexion avec le recruteur.
- Idéal pour partager sur LinkedIn et générer des discussions dans ton réseau.
4. Participer à des compétitions Kaggle (niveau intermédiaire à facile)
Exemple :
Rejoindre une compétition “Titanic Survival Prediction” ou “House Prices”.
Objectifs techniques :
- Apprendre à modéliser rapidement avec un cadre réel.
- Lire les notebooks d’autres participants pour progresser.
- Travailler sur des problématiques de data science concrètes.
Pourquoi c’est valorisant :
- C’est reconnu par les recruteurs du domaine.
- Tu peux ajouter ton profil Kaggle sur ton CV.
- C’est aussi un moyen de networker avec d’autres passionnés de data.
5. Créer un mini site ou une app autour d’un dataset (niveau facile)
Exemple :
Un mini site “DataFacts” qui affiche des statistiques intéressantes sur un sujet précis (économie, sport, environnement…).
Outils conseillés :
- Streamlit, Flask ou Gradio pour le front.
- Python et Pandas pour la manipulation des données.
Pourquoi c’est malin :
- C’est un projet rapide à faire, mais très impactant visuellement.
- Idéal pour débuter un portfolio ou pour une publication LinkedIn.
- Tu montres une approche produit, très recherchée par les recruteurs.
Le vrai bonus : le networking
Les side projects ne servent pas qu’à prouver tes compétences. Ils permettent aussi de créer des connexions :
- Tu peux partager ton projet sur LinkedIn ou GitHub,
- échanger avec d’autres passionnés,
- et même attirer l’attention de recruteurs ou de managers qui te contacteront directement.
C’est un excellent sujet de conversation lors d’un entretien ou d’un afterwork. Tu n’es plus seulement “le candidat X”, tu deviens le candidat qui a fait ce projet génial sur la data Spotify.
🏁 Conclusion
Faire un side project en data, c’est bien plus qu’un exercice technique. C’est un investissement stratégique pour ton avenir : tu gagnes en compétences, tu attires l’attention des recruteurs, et tu te construis une image unique dans un secteur très compétitif.
Alors, choisis un sujet qui te passionne, crée ton premier projet, et fais parler de toi. C’est souvent ce petit “plus” qui fait toute la différence pour décrocher le stage de tes rêves en data.
