"Sois senior." Ça veut dire quoi, exactement ? Dans combien d'organisations la réponse est un haussement d'épaules ? Trop. Et cette ambiguïté coûte cher - en frustration, en départs, en inéquités silencieuses.
Une matrice de compétences data pose des critères clairs par niveau et par rôle. Les engineers savent exactement ce qu'il faut pour progresser. Les managers ont des critères objectifs pour évaluer. Les RH ont des standards pour recruter et compenser. C'est le socle de la transparence.
La structure : niveaux × rôles
Le framework global croise les niveaux - Junior (0-1 an), Mid (2-4 ans), Senior (5-8 ans), Staff (8-12+ ans), Principal (12+) - avec les rôles - analytics engineer, data scientist, data engineer, platform engineer, product manager data.
Chaque cellule définit des critères d'expertise, de responsabilité et de bande de compensation. Pour un Analytics Engineer Senior : "SQL 80/100, expert en modularité dbt, lead de la stratégie dbt, code 100 % qualité, mentore 2-3 mids, architecture de pipelines complexes, ownership de SLA, capacité à faire des code reviews de pairs seniors." Pour un Mid : "SQL 60/100, dbt solide, exécution des tâches assignées, qualité 80 %, demande du mentorat sur l'architecture."
Cette clarté vaut de l'or. Elle élimine l'ambiguïté des évaluations, elle outille la planification de carrière, elle fournit un benchmark objectif pour la compensation.
Les quatre dimensions
Une matrice bien construite évalue sur plusieurs dimensions. Pas juste les années d'expérience.
La dimension technique : SQL, Python, dbt, ML, infra, cloud, outils. La dimension impact : contribution à la roadmap, vélocité, qualité, fiabilité de ce qu'on met en production. La dimension communication : écriture claire, documentation, présentation, capacité à expliquer des décisions architecturales. La dimension mentorat - à partir du niveau Senior : guider les juniors, partager les connaissances, faire des code reviews qui font grandir, co-construire avec les pairs.
Chaque dimension a des critères gradués. Pour un Senior Analytics Engineer en communication : "Rédige une documentation dbt claire avec des exemples, explique ses décisions d'architecture dans des RFC, présente mensuellement en guild, répond de manière constructive aux questions." C'est précis. C'est vérifiable. C'est juste.
L'alignement avec la compensation
La matrice se connecte directement à la compensation. Bande Junior (salaire X ± 15 %), bande Mid (salaire Y), bande Senior (salaire Z). Transparence totale. Une personne sait : si je deviens Mid, mon salaire cible est Y. Si Senior, Z.
Ça supprime les négociations salariales opaques. L'évaluation de promotion se fait contre le framework : "Est-ce que tu remplis 80 % des critères du niveau suivant ?" Oui : promotion. Non : "Voici un plan de développement sur trois mois, avec des objectifs précis."
C'est de l'industrialisation de la gestion des talents. Pas du gut feeling.
Réduire les biais
Les managers évaluent souvent subjectivement. "Elle fait Senior", sans plus d'explication. La matrice réduit ce risque. Au lieu du ressenti, ce sont huit critères documentés. Chaque évaluation est factuelle.
La matrice doit aussi inclure des gardes-fous explicites contre les biais : "S'assurer que tout le monde reçoit un mentorat équivalent." "Évaluer sur les résultats, pas sur le présentiel." "Valoriser tous les types de contributions, pas seulement les plus visibles." C'est un outil d'équité autant que de performance.
Recruter contre la matrice
Les entretiens de recrutement doivent s'appuyer sur le framework. Vous recrutez un Mid Analytics Engineer ? Vous testez : SQL - peut-elle écrire des requêtes non triviales ? dbt - peut-elle concevoir et tester des modèles ? Communication - peut-elle expliquer ses décisions clairement ?
Score contre le framework : 70-80 % des critères Mid remplis, on recrute. C'est objectif, reproductible, et ça réduit de 40 % les erreurs de recrutement. Plus de "ça match culturellement" comme seul critère. Les compétences comptent.
Faire vivre la matrice
La matrice n'est pas un document figé qu'on range dans un tiroir. Elle évolue. Chaque année, on la confronte à la réalité. "Est-ce qu'on évalue vraiment les bonnes choses ? Les besoins ont-ils changé ?" En 2023, l'expertise Google Cloud était primordiale. En 2025, la maîtrise de dbt et de l'IA générative pèse plus lourd. On met à jour.
Et on implique les engineers dans la révision. C'est leur carrière - ils doivent avoir voix au chapitre. Une matrice que tout le monde trouve réaliste et à jour, c'est une matrice que tout le monde respecte.
Chez Bomzai, on opère avec notre propre matrice de compétences - c'est ce qui nous permet de former des entrepreneurs de la data, pas des exécutants. Et quand on accompagne nos clients sur ce sujet en tant que partenaire opérationnel, on leur transmet le même principe : une matrice bien construite ne se livre pas comme un document. Elle se met en production, elle s'opère, et elle produit des résultats mesurables - en rétention, en équité, en qualité de recrutement.