Salaire data engineer à Berne en 2026: fourchettes réelles par employeur

Fourchettes par employeur et domaine data engineering

Employeur / domaine	Junior (0-3 ans)	Confirmé (3-6 ans)	Senior (7+ ans)
Swisscom (Kafka streaming CDR, Azure Databricks, pipelines nDSG)	98'000 – 125'000	138'000 – 175'000	175'000 – 210'000
CFF / SBB (GTFS-RT, opentransportdata.swiss, pipelines horaires)	95'000 – 120'000	130'000 – 168'000	165'000 – 200'000
BIT / Confédération (intégration données fédérales, ISDS, API gouvernementales)	90'000 – 112'000	112'000 – 145'000	142'000 – 172'000
La Mobilière / SUVA (ETL actuariel, pipelines sinistres, Chain Ladder)	92'000 – 118'000	122'000 – 158'000	155'000 – 188'000

Le marché bernois: streaming télécom, transport public open data et intégration fédérale

Swisscom opère à Berne l'une des plateformes de data engineering les plus volumineuses de Suisse hors BigTech. La plateforme de traitement des données réseau Swisscom ingère des milliards de CDR (Call Detail Records) quotidiens -- les enregistrements détaillés de chaque communication vocale, SMS, et session data sur les réseaux mobiles et fixes de Swisscom. Ces données alimentent en temps quasi-réel les modèles de prédiction du churn, les tableaux de bord d'optimisation réseau, et les systèmes de facturation. La stack technique centrale utilise Apache Kafka pour l'ingestion en streaming, Azure Databricks (Delta Lake) pour le stockage et le traitement distribué des grandes volumétries, et dbt pour les transformations analytiques documentées. La contrainte critique de la plateforme Swisscom: la résidence des données sur sol suisse imposée par le nDSG (nouvelle Loi fédérale sur la protection des données) et les directives FINMA pour les clients corporate. Un data engineer chez Swisscom à Berne avec 4 à 6 ans d'expérience en pipelines de streaming à haute volumétrie (Kafka, PySpark, Delta Lake, dbt), une expérience documentée de gestion des contraintes de résidence des données (nDSG, FINMA), et des résultats en termes de réduction de latence ou de fiabilité des pipelines (SLAs, taux d'erreur) perçoit 138'000 à 175'000 CHF bruts, plus un bonus de 8 à 12 %.

Les CFF maintiennent opentransportdata.swiss, l'une des plateformes de données de transport public les plus denses d'Europe: l'ensemble du trafic ferroviaire suisse, les données de ponctualité en temps réel (GTFS-RT), les horaires planifiés (GTFS statique) et les données d'occupation des trains sont mis à disposition en open data. Les data engineers des CFF construisent et maintiennent les pipelines qui transforment les données brutes des systèmes de contrôle du trafic (Rail Control System) en flux de données consommables par les applications tierces (SBB Mobile, Google Maps, applications de mobilité). Ces pipelines doivent gérer des pics de charge lors des grandes perturbations (accidents, pannes d'infrastructure) où le volume des mises à jour GTFS-RT peut multiplier par 5 à 10 le débit normal. Le Bureau fédéral de l'informatique et des télécommunications (BIT/OFIT) emploie des data engineers pour intégrer les données des offices fédéraux (SECO, OFSP, OFS, SEFRI) via des architectures d'API standardisées (API gouvernementales basées sur REST et GraphQL, avec des schémas de données OpenAPI documentés) et pour construire les entrepôts de données analytiques qui alimentent les tableaux de bord des décideurs fédéraux.

La Mobilière et la SUVA représentent un segment de data engineering actuariel spécifique. Les pipelines ETL actuariels dans les assurances doivent répondre à des contraintes que l'on ne retrouve pas dans d'autres environnements: traçabilité complète des données (chaque chiffre du bilan actuariel doit pouvoir être réconcilié avec les données brutes de sinistres), gestion des données historiques sur des horizons de 20 à 40 ans (les rentes d'invalidité SUVA s'étendent sur toute la vie de l'assuré), et conformité avec le Swiss Solvency Test (SST) qui impose des exigences de documentation et d'auditabilité des modèles. Les data engineers bernois qui développent une expertise en pipelines actuariels (maîtrise des modèles Chain Ladder, des méthodes Bornhuetter-Ferguson, et des structures de données de sinistres à développement long) combinée avec des compétences modernes en orchestration (Apache Airflow, dbt) et en qualité des données (Great Expectations, dbt tests) sont recherchés par Swiss Re, Zurich Insurance et d'autres réassureurs suisses.

---

Questions fréquentes

Quels outils data engineering sont les plus demandés à Berne en 2026 ?

Python (PySpark, pandas, SQLAlchemy) et SQL avancé comme fondation universelle. Apache Kafka pour le streaming temps-réel (Swisscom, CFF). dbt (data build tool) pour les transformations analytiques documentées, devenu standard à mi-carrière. Apache Airflow pour l'orchestration des pipelines batch (tous les employeurs bernois majeurs). Azure Databricks (Delta Lake) comme plateforme dominante chez Swisscom et en croissance aux CFF et dans les assurances bernois. Pour les rôles en administration fédérale (BIT): connaissance des standards d'API gouvernementaux (OpenAPI, REST, GraphQL) et des référentiels de données fédéraux. Pour les rôles actuariels (La Mobilière, SUVA): connaissance des structures de données actuarielles (triangles de sinistres, données de police, fichiers de rentes). La gouvernance des données monte en importance: OpenLineage pour le data lineage, Great Expectations ou dbt tests pour la qualité des données sont de plus en plus demandés dans les rôles seniors bernois.

Quelle est la différence entre data engineer et data scientist sur le marché bernois ?

Les deux rôles sont clairement distincts chez les grands employeurs bernois (Swisscom, CFF, La Mobilière), et complémentaires dans la chaîne de valeur de la donnée. Le data engineer construit et maintient l'infrastructure qui rend les données disponibles, fiables, et accessibles: pipelines d'ingestion (Kafka, Airbyte), transformations (dbt, Spark), stockage (Delta Lake, data warehouse), qualité et gouvernance, et APIs de service vers les data scientists et les équipes analytics. Le data scientist utilise ces données pour développer des modèles prédictifs et des analyses: il dépend de la fiabilité des pipelines construits par le data engineer. En pratique sur le marché bernois, les annonces de poste pour ces deux rôles sont bien distinctes. La rémunération est légèrement plus élevée pour les data scientists seniors (en raison de la demande de modélisation ML), mais les fourchettes se chevauchent significativement entre 3 et 6 ans d'expérience.

Comment accéder au marché data engineering de Berne depuis la Suisse romande ?

La trajectoire la plus directe pour un data engineer romand: rejoindre Swisscom à Berne, dont les équipes data engineering recrutent des profils avec des stacks Azure Databricks et Kafka. Swisscom à Berne emploie déjà des ingénieurs romands sur des rôles data, et les équipes techniques fonctionnent de manière mixte (anglais pour la technique, allemand pour les réunions business). Pour les CFF, une maîtrise de l'allemand est plus indispensable en raison du contexte de systèmes ferroviaires critiques où la documentation est en allemand. Pour les rôles en administration fédérale (BIT), l'allemand est pratiquement requis. La stratégie recommandée pour un data engineer romand souhaitant s'installer à Berne: commencer chez Swisscom avec un niveau d'allemand B1-B2, progresser techniquement sur les stacks Azure/Kafka/dbt valorisées dans tout le marché bernois, et consolider l'allemand professionnel en parallèle pour ouvrir les possibilités vers les CFF et l'administration fédérale.