L’expert en data science

mardi, 19.11.2019

Xavier Bays*

Xavier Bays

En septembre dernier, j’ai assisté à Fribourg à une conférence d’un spécialiste de la santé, auto-improvisé expert en data science qui a été la parfaite application de sa propre citation: «Attention aux futurologues, ils ne disent que des âneries!». Je vous propose donc d’aborder dans cette chronique la thématique de l’expert en data science, un sujet étonnamment complexe et actuel.

Remettons tout d’abord les choses dans leur contexte. Qu’est-ce qu’un expert en data science? La difficulté de répondre à cette interrogation réside dans le fait que la data science est un domaine vaste qui englobe de nombreux métiers. Les deux profils les plus connus sont sans doute le data engineer et le data analyst. Le premier est responsable du développement, de la construction et de la maintenance des architectures qui accueillent les données. Son profil se rapproche de celui d’un informaticien. Le data analyst, lui, prépare et analyse les données. Il doit également veiller à produire des résultats interprétables, vulgarisés et exploitables par l’entreprise. Sa formation est comparable à celle d’un mathématicien ou d’un statisticien. La data science ne s’arrête cependant pas à ces deux métiers: nous pourrions encore parler du machine learning scientist, du business analytics specialist, du data visualization developer, du business intelligence engineer… La séparation entre ces différentes professions n’est pas toujours claire. Elle peut changer selon les différents avis et au cours du temps. L’essentiel est de garder en tête que la majorité des acteurs ne maîtrise qu’une partie de ce sujet qu’est la data science.

Le terme data scientist est connu depuis la fin des années 1990, bien qu’alors peu utilisé. C’est depuis une dizaine d’années qu’il est à la mode. La plupart des professionnels du sujet ont vu leurs titres évoluer au cours du temps. Statisticiens, architectes de données, analystes: tout le monde est aujourd’hui data scientist. Moi-même mathématicien de formation, j’ai pris l’habitude de me présenter en tant que data scientist, pour faciliter les échanges. Notez aussi que l’EPFL propose depuis la rentrée 2017 un nouveau master de data science, qui offre, sur le marché, les premiers vrais data scientists diplômés de cette école.

La data science, si elle n’est pas appliquée, n’apporte rien hormis l’élégance de ses résultats théoriques. Il faut donc ajouter à ces entremêlements de métiers le besoin d’experts qualifiés dans chaque branche d’application: leur rôle est fondamental car aucune des professions citées ci-dessus n’a la prétention d’être en sus expert en marketing, médecine ou autre...

Ainsi, de nombreuses personnes aux profils très variés prennent la parole ou le clavier pour s’exprimer à propos de la data science Cette richesse, très intéressante, peut cependant perdre un public novice dans de nombreux discours contradictoires. La jeunesse de cette branche souffre d’un manque recul, de standardisation. Soyez attentifs à qui vous avez affaire. Identifiez le domaine d’expertise de votre interlocuteur et prenez du recul par rapport aux discours des prophètes de la data science: deux réflexes nécessaires à une époque où – décidément – tout le monde a un avis sur tout.

* Data scientist & Co-founder, Swiss Statistical Design & Innovation






 
 

AGEFI




...