Abonnez-vous Identifiez-vous

Identifiez-vous

Vos codes d'accès sont erronés, Veuillez les saisir à nouveau. Mot de passe oublié ?

Entreprise et IA

Le blog de Florian Douetteau

Quels Data Scientists pour votre entreprise ?

Publié le

Quels Data Scientists pour votre entreprise ?

Comme se plaisait à le rappeler le romancier George Orwell dans Animal Farm, si tous les animaux sont égaux entre eux, certains sont plus égaux que les autres. On pourrait dire qu’il en va de même des Data Scientists, tant leurs profils sont variés, avec une palette de compétences adaptées aux problématiques ou au projets spécifiques des entreprises. Cela est d’autant plus vrai que plusieurs « générations » de Data Scientists se sont succédées, et que le métier a nécessairement évolué. Cela ne signifie pas pour autant que certains profils sont meilleurs ou moins bons que d’autres. Tout dépend des objectifs poursuivis.

Mauvaise nouvelle pour les entreprises souhaitant embaucher : l’aristocratie du métier, doctorats, masters et autres prestigieux diplômes en bandoulière, est une denrée extrêmement rare – sans même évoquer les salaires mirobolants –, dans la mesure où 80 % d’entre eux tombent dans les filets de Google. La bonne nouvelle, c’est que votre entreprise n’a pas nécessairement besoin d’eux.

Alors, quels profils sont aujourd’hui disponibles ?

Les légendes vivantes

Ce sont les talents d’exception, capables de tout faire, qui étaient sur le pont avant même que la Data Science ne devienne une expression courante. Matheux de premier ordre la plupart du temps, et programmeurs hors pair. Qui plus est, ils maîtrisent plusieurs langages, y compris de nobles antiquités issues des années 1980, comme le C++. Bonus appréciable : ils savent aussi parler business.

Ces experts offrent des compétences de haut niveau. Mais leur coût est très élevé. Et ils travaillent déjà probablement pour LinkedIn, Google ou Facebook.

Les généralistes

Un cran technique inférieur peut-être, mais excellents également. Ce ne sont pas nécessairement des superstars dans un domaine précis, mais ils savent se montrer à l’aise un peu partout.

Les généralistes sont donc un choix judicieux pour les équipes nombreuses, où les responsabilités évoluent constamment. Ils sont également appréciés dans le cadre d’un « one-man show », au sein d’une petite entreprise, où la polyvalence demeure une qualité essentielle.

Les statisticiens

Cette catégorie est difficile à cerner et soulève un certain nombre de questions.  Quelle différence en effet entre un statisticien et un Data Scientist ? Si l’on en croit Nate Silver, emblématique fondateur du site FiveThirtyEight, un Data Scientist est juste un terme plus sexy pour statisticien.

Cela ne surprendra personne si l’on précise que les statisticiens sont, par nature, extrêmement compétents en…statistiques. Des compétences qu’en théorie tous les Data Scientists se doivent de posséder – tout au moins ceux qui ont bénéficié d’un cursus adéquat. 

Mais les compétences statistiques sont bien sûr particulièrement marquées au sein de cette catégorie, qui peut aussi offrir une expérience spécifique en matière de finance. En revanche, les statisticiens peuvent ne pas être aussi à l’aise dès qu’il s’agit de travailler avec des datasets vraiment volumineux.

Les touche-à-tout (ou ingénieurs logiciels)

Les touche-à-tout n’œuvrent pas à plein temps dans la Data Science, dont ce n’est pas la responsabilité première. Ils interviennent dans ce domaine parce que cela fait partie de leur travail (environ 20 % de leur temps).

Ce sont probablement avant tout des ingénieurs logiciels – ou des products managers–, qui bénéficient d’une certaine expérience en Data Science, mais uniquement comme fonction, ou dans le contexte des différents volets de leur métier.

Les ingénieurs ML

Les ingénieurs ML (Machine Learning) sont moins forts en statistiques que les statisticiens, et moins forts en développement que les ingénieurs logiciels.

Mais ils apportent une vraie compréhension du développement et du déploiement des modèles, et de l’architecture logicielle, qui peuvent s’avérer essentiels pour certains types d’activité et de datasets – notamment, les plus volumineux, au sein des entreprises où le modèle est précisément l’activité première.

Les experts verticalisés

L’expert verticalisé est un data scientist qui offre une vaste expérience dans un domaine particulier. Il/elle a probablement commencé comme généraliste mais, après plusieurs années dans un secteur d’activité industriel spécifique, a développé les compétences requises pour résoudre des problèmes survenant dans un certain contexte.

Ce professionnel peut s’avérer très précieux pour l’ensemble des connaissances qu’il offre dès le départ. Avec un inconvénient toutefois : il peut avoir des difficultés à sortir des sentiers battus lorsqu’il s’agit de traiter des problèmes ou des questions standard.

Les managers stars en Data Science

Le manager star en DS s’occupe avant tout de la productivité de l’équipe, de lever les obstacles, de gérer les outils nécessaires, etc.

Bien que le manager star puisse s’inscrire dans l’un ou l’autre des profils déjà évoqués, la Data Science n’est plus son unique centre d’intérêt. Le profil originel est donc moins important que l’aptitude à motiver une équipe et à lancer en production un plus grand nombre de modèles. En fait, cette fonction peut souvent être remplie par un analyste, un ingénieur données, ou tout autre  professionnel disposant d’une connaissance approfondie du secteur d’activité.

Résumons-nous : il faut donc bien comprendre et admettre – pour le bien de l’entreprise –, qu’il existe de nombreux profils de Data Scientists, même si, in fine, la même dénomination s’applique à tous. Peut-être verrons-nous dans l’avenir apparaître de nouvelles appellations, avec différentes spécialités. Espérons que l’année prochaine, à la même période, nous pourrons commencer à observer cette tendance émergente.

D’ici là, avant d’embaucher, prenez en compte les besoins précis de l’entreprise et le profil de Data Scientist susceptible d’apporter une véritable valeur ajoutée. Cette précaution indispensable avant d’établir une offre d’emploi permet de lister les compétences spécifiques et d’affiner les questions pour l’entretien.

Pour l’entreprise, le défi ne s’arrête toutefois pas à l’embauche d’un(e) Data Scientist au profil idéal. Encore faut-il que les objectifs à atteindre puissent susciter son intérêt et sa motivation, quelle que soit sa spécialité. Une question sensible. Pour en savoir plus sur cet aspect, c’est par ici.

 

Cabinet Dataiku

 

 

Créez votre compte L’Usine Connect

Fermer
L'Usine Connect

Votre entreprise dispose d’un contrat
L’Usine Connect qui vous permet d’accéder librement à tous les contenus de L’Usine Nouvelle depuis ce poste et depuis l’extérieur.

Pour activer votre abonnement vous devez créer un compte

Créer votre Compte
Suivez-nous Suivre Usine Nouvelle sur Facebook Suivre Usine Nouvelle sur Twitter RSS Usine Nouvelle