Data scientist
Le data scientist construit et évalue des modèles à partir de données. Il cherche une solution à un besoin réel, puis vérifie qu’elle reste utile lorsqu’elle rencontre de nouvelles situations.
Anticiper une panne, classer des demandes ou recommander un produit sont des applications possibles. Le data scientist précise le problème, prépare les données, essaie des méthodes et compare leurs résultats. Il travaille aussi avec les personnes qui utiliseront la solution.
La science des données associe statistiques et programmation. La difficulté ne se résume pas à lancer un algorithme : il faut savoir ce que ses résultats signifient, quand ils se trompent et comment les utiliser.
Apprendre à reconnaître une situation à partir d’exemples
Mise en situation fictive. Une équipe de maintenance souhaite repérer les machines qui risquent de tomber en panne. Elle dispose de relevés de capteurs et d’un historique des interventions.
Le data scientist commence par préciser ce qu’il faut prévoir, avec quel délai d’anticipation et pour permettre quelle intervention. Il vérifie ensuite la qualité des relevés et le sens des événements enregistrés : panne, arrêt programmé ou défaut de capteur ne désignent pas la même chose.
En apprentissage automatique, un modèle ajuste ses calculs à partir d’exemples. Ici, il pourrait chercher des relations entre certains relevés et les pannes survenues ensuite. Le travail consiste à choisir et préparer les informations, entraîner une méthode et mesurer ce qu’elle apporte réellement.
Un bon résultat doit résister à des données nouvelles
Un modèle peut très bien retrouver les cas sur lesquels il a appris et échouer sur les suivants. Le data scientist réserve donc des données à l’évaluation. Il doit aussi éviter d’utiliser une information qui ne serait pas disponible au moment de la prévision.
Dans notre exemple, une mention ajoutée après une réparation ne peut pas servir à anticiper la panne. L’intégrer rendrait l’évaluation artificiellement favorable. Cette erreur, appelée fuite de données, est expliquée dans la documentation de scikit-learn, une bibliothèque d’apprentissage automatique.
Illustration chiffrée fictive. Sur 100 situations comprenant une seule panne, un système qui annonce toujours « pas de panne » donne 99 réponses exactes. Il ne repère pourtant aucune panne. Ce résultat montre pourquoi le choix du critère d’évaluation dépend du besoin.
Il faut comparer les pannes manquées et les fausses alertes avec l’équipe de maintenance. Trop d’alertes inutiles peut rendre le système difficile à utiliser ; en manquer peut empêcher une intervention. Le compromis se discute avec ceux qui agiront.
Faire vivre le modèle après l’expérimentation
Une fois la méthode retenue, il faut préparer son utilisation : quelles données recevra-t-elle, à quelle fréquence, comment seront présentés les résultats et que faire si une information manque ? Selon l’organisation, le data scientist travaille avec des développeurs et des spécialistes des infrastructures de données.
La surveillance reste nécessaire après la mise en service. Les équipements, les produits ou les usages peuvent changer. Une performance observée sur les essais n’est pas une garantie permanente.
Le data analyst prépare lui aussi des données et peut utiliser des modèles prédictifs. Le poste de data scientist accorde généralement une place plus forte à la conception et à l’évaluation de modèles d’apprentissage automatique, ainsi qu’à leur utilisation dans une application. Les frontières dépendent des missions réelles.
Relier les calculs, le code et le contexte
Les probabilités et les statistiques servent à raisonner sur les données et les résultats. L’algèbre et l’optimisation interviennent dans les méthodes de modélisation. La programmation, notamment en Python ou R, permet de les mettre en œuvre et de refaire les expériences.
Le métier demande aussi de documenter les choix et d’en parler avec des collègues qui n’utilisent pas ces méthodes. Dans la maintenance fictive, expliquer ce qu’est une fausse alerte et son effet sur le travail importe autant que présenter un score.
L’anglais donne accès à une grande partie des publications et documentations. Les règles d’utilisation des données, la qualité des informations et les limites du modèle font partie du raisonnement professionnel.
Les études possibles
L’Onisep et l’Apec décrivent principalement des voies à bac + 5 : master en science des données, statistiques ou informatique avec spécialisation, ou diplôme d’ingénieur adapté. Le contenu mathématiques-informatique compte davantage que la seule présence du mot « IA » dans le nom du cursus.
Une licence informatique ou une licence de mathématiques peut préparer une candidature en master selon le parcours et ses prérequis. Le BUT science des données constitue une autre base à examiner pour une poursuite. Les admissions et les compléments nécessaires doivent être regardés pour le diplôme visé.
Les écoles d’ingénieurs en informatique proposent des spécialisations différentes. Les prépas, dont MP2I, ou un cycle préparatoire intégré sont des étapes possibles vers ces écoles ; elles ne forment pas seules au métier. Cherche la place des statistiques, de l’apprentissage automatique et des projets avec évaluation sur des données nouvelles.
Pour un projet de recherche, un doctorat peut approfondir certaines méthodes ; il n’est pas requis pour tous les postes de data scientist. Un bon sujet à présenter en entretien est une expérience dont tu sais expliquer le résultat, les erreurs et les limites, même si le modèle est simple.
De l’expérimentation à la responsabilité de projets de données
Reprenons notre maintenance fictive. L’expérimentation menée sur quelques machines pourrait devenir une solution utilisée par plusieurs équipes. Il faudrait alors décider comment évaluer des équipements différents, organiser la surveillance du modèle et expliquer quand les résultats imposent de le reprendre. Le projet grandit avec les usages et les personnes qui en dépendent.
Des postes sont accessibles aux jeunes diplômés, avec un périmètre et un accompagnement variables. L’expérience peut ensuite mener à l’expertise sur une famille de méthodes, ou à la conduite de projets avec les équipes de maintenance, de développement et de données. Savoir suivre les erreurs dans la durée et transmettre ses méthodes aide à prendre ces responsabilités.
L’Onisep cite aussi la responsabilité d’une équipe de data science ; l’Apec mentionne la direction des données. Il faut alors choisir les projets, discuter les moyens et accompagner les spécialistes. Une autre voie consiste à approfondir la recherche et devenir une référence scientifique. L’encadrement et l’expertise ouvrent des perspectives différentes : on peut gagner en responsabilité tout en restant proche de la modélisation.
Choisir ce qu’il faut vraiment mesurer
Reprends les 100 situations fictives, dont une panne. Un premier système ne déclenche aucune alerte ; un second signale plusieurs machines, parmi lesquelles celle qui tombe en panne.
Quelles informations supplémentaires faut-il pour comparer les deux ? Note ce que tu demanderais sur les fausses alertes, le temps d’intervention et la gravité de la panne. Tu explores ainsi la question qui précède souvent le calcul : quel résultat serait utile pour ceux qui doivent agir ?
Voir aussi
Sources
- Onisep — data scientist : activités, études et responsabilités
- Apec — data scientist : modèles, mise en production et évolutions
- Onisep — BUT science des données, exploration et modélisation statistique
- scikit-learn — séparer apprentissage et évaluation, éviter les fuites de données
Les sources utilisées et la façon de lire les chiffres sont détaillées dans notre méthode.