Technologie

Pourquoi un analyste SOC pense déjà comme un data engineer

9 min de lecture
Pourquoi un analyste SOC pense déjà comme un data engineer

L’analyste SOC, l’administrateur systèmes et réseaux et l’étudiant en cybersécurité manipulent déjà des journaux, des flux d’événements et des seuils d’alerte. Cinq métiers de la donnée prolongent ce savoir-faire : data engineer, data analyst, ingénieur machine learning en détection d’anomalies, architecte data et chef de projet data. Le premier en est le plus proche.

Ce que la supervision vous a déjà appris de la donnée

Un centre opérationnel de sécurité fonctionne, au fond, comme une chaîne de traitement de données. Les événements y arrivent de sources hétérogènes, pare-feu, annuaire, serveurs, applications, dans des formats qui ne s’accordent jamais du premier coup. Vous les découpez, recalez des horodatages venus de fuseaux différents, enrichissez une adresse avec le nom d’une machine, puis interrogez l’ensemble pour confirmer une alerte. Côté donnée, ce travail porte un nom : la construction de pipelines de données.

Trois réflexes passent tels quels d’un monde à l’autre. Une source qui se tait trahit le plus souvent une collecte cassée. Le faux positif vous a appris à discuter un seuil, question statistique par excellence. Et la rétention vous est familière : dans la recommandation sur les mesures de journalisation rendue publique le 18 novembre 2021, la CNIL préconise six mois à un an de conservation pour une journalisation standard.

La détection, au cœur du fonctionnement de la cybersécurité, n’existe pas sans cette matière première correctement collectée.

Journaux, fichiers clients, capteurs : la donnée fait le poste

Le titre d’une offre data renseigne mal sur le quotidien ; la matière qu’elle annonce en dit davantage. Trois familles reviennent : les journaux techniques d’équipements et d’applications, qui nourrissent détection et supervision ; les données clients, commandes, contrats ou parcours d’achat en ligne, au service du marketing ; les données de capteurs ou de production, remontées en continu d’une ligne industrielle, d’un réseau d’énergie ou d’une flotte de véhicules. Le rythme du travail suit cette matière : incidents, campagnes commerciales ou cadences de fabrication.

Devant une alerte, votre première question porte sur sa provenance. Transposée à Mon Emploi Data et IA et à ses offres d’emploi en data et en intelligence artificielle, elle trouve le plus souvent sa réponse dans la présentation des missions : traces d’applications et d’équipements réseau, historiques d’achats, mesures remontées d’un atelier. Les postes bâtis sur des journaux techniques, pour la détection d’incidents ou l’observabilité d’une plateforme, sont ceux où votre lecture quotidienne des journaux, horodatages recalés, champs mal découpés, volumes qui s’emballent, se convertit le plus vite en savoir-faire reconnu. La même présentation indique le degré de sensibilité de ce que vous manipulerez : identifiants d’utilisateurs et d’équipements qui rattachent chaque événement à une personne, donc données personnelles, ou relevés de température d’un four qui ne désignent personne, un niveau d’exposition que vous jaugez déjà à chaque investigation.

Les deux autres familles s’ouvrent aussi à un profil venu de la sécurité, avec une marche plus haute. Les données clients imposent un vocabulaire commercial et une attention constante au consentement. Celles des capteurs parlent à qui a approché la sécurité industrielle : réseaux cloisonnés, automates à ne jamais arrêter, séries temporelles à forte cadence.

Mains gantées fixant un capteur de vibrations sur le carter d’un moteur électrique industriel

Cinq métiers de la donnée vus depuis un SOC

Le marché s’est détendu sans se fermer. Le bilan de la Dares intitulé « Les tensions sur le marché du travail », volet 2024 paru le 4 février 2026, relève un repli des tensions de recrutement dans tous les domaines professionnels, plus net dans l’informatique et les télécommunications. Une double culture, sécurité et donnée, aide donc à se distinguer auprès d’employeurs très variés : banques, assurances, industriels, opérateurs d’énergie, sociétés de conseil, administrations.

Data engineer, la tuyauterie des flux

Le data engineer conçoit et fait tourner les chaînes qui collectent, transforment et stockent la donnée. L’une des certifications « Data engineer » du répertoire national range parmi ses activités la collecte de données structurées et non structurées, la création de circuits de flux et la mise en production. Pour un ancien du SOC, le pas est court : de la lecture des journaux à la construction de la chaîne qui les achemine.

Data analyst, de la requête au constat

Le data analyst interroge des données disponibles pour répondre à une question précise : pourquoi une gamme se vend moins, quels sites consomment trop d’énergie, quels incidents reviennent chaque mois. Il livre analyses, indicateurs et visualisations. Rédiger une synthèse d’incident pour une direction relève du même exercice : traduire des lignes brutes en constat lisible.

Ingénieur machine learning en détection d’anomalies

Ce profil entraîne puis surveille des modèles de détection d’anomalies : connexion hors norme, transaction suspecte, machine qui dérive. Pour qui a réglé des règles de corrélation, la passerelle est directe, car le dilemme reste d’arbitrer entre alertes manquées et alertes de trop. Le machine learning ajoute une couche statistique et un suivi constant, un modèle se dégradant quand les comportements changent.

Architecte data, le plan d’ensemble

Ce métier dessine l’organisation globale : où la donnée est stockée, comment elle circule, qui y accède et sous quelles règles. Le poste d’architecte data se vise en général après plusieurs années d’ingénierie, et la sécurité y pèse lourd : cloisonnement, gestion des droits, chiffrement et traçabilité relèvent pleinement de l’architecture.

Chef de projet data, le lien avec les métiers

Le chef de projet data cadre les besoins, planifie les livraisons et arbitre entre équipes techniques et directions demandeuses. L’administrateur systèmes rompu aux mises en production et aux plans de retour arrière y retrouve une logique familière, avec un vocabulaire nouveau : indicateurs, valeur métier, qualité de la donnée.

Réseau de tuyaux en cuivre et de vannes rouges dans un local technique, une main tournant un volant

Ce qui manque encore au futur data engineer

Trois blocs séparent en général l’exploitation de l’ingénierie des données :

  • les langages, SQL pour interroger et transformer, Python pour écrire des traitements testés et versionnés, au-delà du script d’administration ;
  • la modélisation : tables de faits et de dimensions, partitionnement, schéma documenté pour d’autres équipes ;
  • les statistiques : distributions, saisonnalité, corrélation, échantillonnage, mesure de la performance d’un modèle.

S’y ajoute la culture des plateformes : stockage objet, calcul distribué, orchestration de tâches. Vous en connaissez l’exploitation ; le poste d’ingénieur data demande d’en concevoir l’usage.

Côté certification, le Répertoire national des certifications professionnelles, consulté sur le site de France compétences, compte plusieurs titres utiles. Au niveau 7 : deux certifications intitulées « Data engineer » et le Master Science des données, diplôme national que délivrent universités et écoles habilitées. Au niveau 6 : le BUT Science des données, parcours « Exploration et modélisation statistique » ou « Visualisation, conception d’outils décisionnels », le titre « Développeur en intelligence artificielle » et un titre « Data analyst ».

Chacune de ces fiches admet la voie de l’expérience, autrement dit la VAE, à côté des parcours en alternance ou en reprise de formation : vos années passées sur des chaînes de collecte peuvent y compter, décrites avec le vocabulaire de la donnée. Pour situer votre rémunération actuelle, les grilles du secteur figurent dans l’article sur les salaires en cybersécurité.

Données personnelles et IA, un cadre que vous pratiquez déjà

Le passage à la donnée change l’échelle, pas les règles. Pour la CNIL, une donnée personnelle est toute information se rapportant à une personne physique identifiée ou identifiable, directement ou indirectement. Les journaux en regorgent : sa recommandation sur la journalisation cite l’identifiant de l’utilisateur, la date et l’heure de l’accès, l’identifiant de l’équipement. Les données sensibles, santé, biométrie, opinions politiques, appartenance syndicale, ont un traitement que le règlement européen interdit en principe, sauf exceptions.

Dans un poste data, ces principes deviennent des choix techniques : finalité écrite avant la collecte, champs inutiles écartés dès l’entrée du pipeline, pseudonymisation, purges programmées. Pour l’intelligence artificielle, les fiches pratiques de la CNIL insistent sur la finalité, la base légale et, si le traitement le justifie, l’analyse d’impact relative à la protection des données.

Mains déposant un disque dur dans une mallette rigide garnie de mousse grise

Le règlement européen sur l’intelligence artificielle ajoute une seconde couche. Publié le 12 juillet 2024 et entré en vigueur le 1er août suivant, il classe les systèmes selon quatre niveaux de risque. D’après les questions-réponses de la CNIL, révisées en août 2026 après l’omnibus en vigueur depuis le 27 juillet, les règles visant les systèmes à haut risque de l’annexe III, infrastructures critiques et emploi compris, s’appliquent à partir du 2 décembre 2027.

Documenter une chaîne de collecte pour un audit, justifier une durée de rétention, restreindre l’accès aux journaux : ces gestes de sécurité fournissent exactement la preuve que ces textes attendent. Le versant des personnes concernées est détaillé dans le dossier sur vos droits sur les données personnelles.

Passer de la sécurité à la donnée, vos doutes

Quelle différence entre un data engineer et un data scientist ?

Le data engineer construit et fait fonctionner l’infrastructure : collecte, transformation, stockage et accès aux données, avec des exigences de fiabilité et de volume. Le data scientist exploite ensuite cette matière pour bâtir des modèles statistiques ou d’apprentissage automatique et en tirer des prévisions. Le premier garantit que la donnée arrive propre et à l’heure, le second en extrait du sens. Venu de la supervision, vous êtes plus proche du premier : vous connaissez déjà les sources et leurs défauts.

Faut-il reprendre des études pour devenir ingénieur data ?

Pas dans tous les cas. Les deux certifications Data engineer du répertoire national tenu par France compétences s’obtiennent aussi par expérience, c’est-à-dire par VAE, et pas seulement au terme d’un cursus ou d’une alternance. Une pratique solide de la collecte de journaux peut nourrir un tel dossier si elle est décrite en termes d’ingénierie des données. Les compétences absentes, souvent la modélisation, se travaillent ensuite par une formation ciblée.

Le DataOps est-il un métier à part entière ?

Le terme désigne surtout un ensemble de pratiques empruntées au DevOps et appliquées aux chaînes de données : tests de qualité à chaque livraison, traitements versionnés, surveillance des flux en production, mises en service fréquentes. Certaines offres l’affichent dans leur intitulé, mais les missions restent proches de celles d’un data engineer, avec un accent sur l’exploitation. Un administrateur systèmes rompu aux mises en production y retrouve une bonne part de son quotidien.

Un étudiant en cybersécurité peut-il viser d’emblée un poste data ?

Oui, à condition de construire tôt un profil hybride. Un stage ou une alternance centrés sur la collecte de journaux, la détection d’anomalies ou la sécurisation d’une plateforme de données fournissent des réalisations concrètes à présenter. Plusieurs certifications de la donnée s’obtiennent par l’apprentissage. Gardez la sécurité comme signe distinctif : protection des données personnelles, gestion des droits et traçabilité pèsent dans tout projet data.