Data Scientist : une profession, deux métiers

Pourquoi avoir choisi de mettre votre savoir-faire au service de la conception de plateformes digitales data-centric ?

Giulia : Principalement pour le dynamisme et la variété des domaines rencontrés. En un an, j’ai eu l’occasion de travailler pour le service après-vente d’une mutuelle, sur des questions d’ordre logistique d’un site e-commerce ou encore pour un fournisseur d’énergie. Et à chaque fois, j’ai pu voir l’aboutissement de mon travail et constater la valeur créée. C’est gratifiant et stimulant surtout quand on vient comme moi d’un univers académique où les projets s’étendent sur plusieurs années, parfois même des dizaines d’années avant d’être mis en place. Depuis que j’ai intégré Ysance, ma plus longue mission a été de 4 mois ! J’aime profondément la rapidité d’action des entreprises et leur philosophie « think big, start small » quand il s’agit de la gestion de leur patrimoine de données.

Pourquoi avoir choisi de mettre votre savoir-faire au service d’une DMP people-based ?

Thomas : J’aurais pu craindre, en travaillant pour une DMP essentiellement dédiée au monde du retail, que mes missions s’en trouvent moins diversifiées, mais c’est tout l’inverse ! On vit une époque où la data peut toujours être plus et mieux exploitée. Cela nécessite un minutieux travail de veille et de R&D pour avoir toujours un temps d’avance, anticiper les besoins des clients et être à l’écoute des nouveautés du marché. C’est avec cet état d’esprit que nous avons récemment développé et intégré un moteur de recherches d’intelligence artificielle pour analyser et influencer les parcours client (appelé Stories) à la DMP d’Ysance.

En quoi vos missions se distinguent-elles ?

G. : Tout est dans l’approche. Développer des applications métier sur-mesure pour un client ne revêt pas les mêmes enjeux que de développer pour une DMP. Etant moins soumise à des problématiques de scalabilité et autres contraintes techniques inhérentes à un processus d’industrialisation, je suis plus libre dans mes choix des solutions, de langages ou d’outils.

T. : A la différence du développement d’applications web dédiées, le développement pour une DMP doit être théoriquement adaptable à tous et adapté ensuite à nos clients. Mais il y a forcément des passerelles entre ces deux approches dans la mesure où si une application nous semble pertinente et « industrialisable », nous envisagerons de la développer pour la DMP et de la généraliser ensuite. C’est là tout l’enjeu de mon métier : trouver des algorithmes évidemment intelligents mais surtout réalisables à grande échelle.

Quelles sont les compétences requises pour un Data Scientist ?

G. : Il est nécessaire d’avoir à la fois une connaissance en statistiques, en mathématiques et en informatique (deep learning). A cela s’ajoute la connaissance métier. Si on veut accompagner et conseiller au mieux l’entreprise dans la définition de uses cases, il est indispensable de comprendre les enjeux métiers et la réalité terrain. Sans quoi, nous ne faisons qu’extrapoler la donnée et jeter de la poudre aux yeux !

T. : J’ajoute qu’il est essentiel d’être curieux et de faire preuve d’empathie. Nous devons être en mesure de vulgariser notre métier et sa vision et d’échanger avec nos pairs. D’autant plus que nous avons la chance d’évoluer dans un univers professionnel riche et hétéroclite composé aussi bien de statisticiens, de physiciens, d’économètres, de démographes, etc.

Comment voyez-vous votre métier dans les cinq prochaines années ?

G. : D’ici 5 ans, de plus en plus d’entreprises voudront se lancer dans l’intelligence artificielle. Plutôt que de la voir comme un rival, je vois l’intelligence artificielle comme un tremplin à notre carrière. Car, derrière les formules informatiques, il y a l’intervention humaine, le raisonnement et l’impulsion d’un Data Scientist. Nous serons également à même de conseiller les entreprises sur la nécessité ou non d’utiliser l’intelligence artificielle (lire aussi « La tendance digitale 2017, c’est l’humain »).

T. : Dans 5 ans, les Data Scientist seront encore plus recherchés puisqu’il y aura davantage de données à exploiter, notamment avec l’internet des objets. Il faudra cependant être encore plus vigilant sur l’exploitation des données. Il est de notre responsabilité de veiller à une utilisation raisonnée et raisonnable de la donnée. Il en va de la crédibilité de notre profession.

« Derrière l’intelligence artificielle, il faut toujours l’intelligence humaine »
Giulia Cernicchiaro , Data Scientist au service de la conception de plateformes digitales
Après une licence de mathématiques en sciences de l’ingénierie, deux masters en démographie et un doctorat en micro-économétrie, Giulia a intégré le département Future Urban Mobility du Singapore-MIT Alliance for Research and Technology pour participer au développement d’un outil de prévision et de simulation comportementale à l’échelle urbaine. Aujourd’hui, Giulia aide les entreprises à effectuer leur révolution digitale et à mieux exploiter la donnée disponible. Pour ce faire, elle pense et développe des applications métiers pour permettre une connaissance 360° de leur activité et leurs clients.

« Data sans conscience n’est que ruine de l’âme »
Thomas Gorbinet , Data Scientist au service de Ysance DMP
Après six années en recherche fondamentale (physique nucléaire) au CEA puis au CNRS, Thomas a rejoint Ysance afin de co-construire la cellule data science. Spécialiste en analyse de données complexes et en deep learning, il développe aujourd’hui, pour la DMP, des solutions en marketing digital en réponse aux besoins des entreprises et de leurs directions métier.