Data scientist en agence

Portrait d’Angélique et Ségolène

Toutes les deux data scientist chez Torus Medical, elles travaillent dans l’intelligence artificielle au service de la santé. Leurs missions consistent à recueillir, traiter, analyser et faire parler la donnée pour permettre la création d’algorithmes qui facilitent le quotidien et la prise de décisions médicales. Elles évoluent dans un environnement digital où chaque mission apporte une vraie solution dans la vie réelle ! 

« On est dans les nouvelles technologies, l’innovation, le digital… c’est un métier d’avenir et c’est très stimulant au quotidien. »

Le métier de Data scientist

Cibler les offres commerciales d’une plateforme de streaming selon les goûts des internautes, connaître l’âge moyen des clients d’un site, détecter à quel moment un achat en ligne est abandonné... Voici à quoi peut servir le travail du data scientist. 

En faisant parler des milliers de données, il obtient, par exemple, des informations utiles sur les clients, leurs goûts, leurs activités et leurs attentes. Le but : aider la direction marketing ou commerciale à prendre des décisions sur la création, l’évolution ou la suppression d’un produit ou d’un service pour rendre l’entreprise plus attractive et compétitive. Son équipe se compose souvent d’un data engineer, data analyst ou technicien des statistiques. 

Voici ses principales missions.

Il organise, étudie et synthétise les données pour en sortir des informations stratégiques :

• Il reçoit une demande d’un service : prévision des ventes, maintenance prédictive, segmentation des clients, détection des fraudes, etc.

• Il organise la collecte automatique des données à partir de plusieurs sources : CRM, comptabilité, suivi de production…

• Il utilise des outils puissants : statistiques, algorithmes, mathématiques appliquées… pour créer des modèles de traitement.  

• Il vérifie, nettoie, reformate et croise les données entre elles pour extraire des informations utiles et les rend compréhensibles par tous.

• Il stocke les données dans des bases accessibles facilement. 

• Il définit les usages, les services ou les pratiques à développer avec les services concernés.

Il peut être amené à gérer un budget. Dans tous les cas, il doit réaliser une veille permanente dans son domaine. 

Avis Wilbi 

Data analyst VS data scientist : le second a une vision globale et a une approche plus créative sur l’interprétation des données. Le premier se concentre davantage sur l’extraction et l’analyse des données. 

Idéalement, un·e data scientist se montre : 

• passionné·e par les langages informatiques et les algorithmes ! 

• doté·e d’un bon esprit d’analyse,

• méthodique et rigoureux·euse pour travailler en mode projet et proposer des solutions fiables,

• bon·ne communicant·e pour gérer une équipe et dialoguer avec différents interlocuteurs,

• pédagogue pour présenter et expliquer des notions complexes.

Au passage, réfléchis bien si (à prendre avec un peu d’humour) :

• tu ne supportes pas les chiffres : là, c’est la base ! 

• l’anglais et toi, ça fait deux : la culture scientifique autour des big data et de l’IA est internationale donc en anglais... 

• tu as du mal à rester devant ton écran : vise un métier avec plus de mobilité... 

Avis Wilbi 

Si tu ne te retrouves pas dans toutes ces qualités et ces compétences : c’est normal ! Laisse-toi le temps de les acquérir.

Pour devenir data scientist, un Bac+5 voire plus en informatique décisionnelle, statistiques, mathématiques appliquées, data science...  est requis. Voici quelques exemples de parcours possibles. 

Au lycée, le Bac général* est conseillé.

*Les EDS en lien peuvent être : Mathématiques, Numérique et informatique, Sciences de l’ingénieur avec option Maths expertes. Tu peux simuler des combinaisons sur le site Horizons21. Le choix des EDS t’appartient et se construit aussi avec des professionnels de l’orientation. 

Dans les études supérieures, il existe des formations de niveau Bac+3, accessibles après un Bac ou après un premier diplôme, comme :

• BUT informatique

• Licence pro Métiers de l'informatique : Systèmes d'information et gestion de données, parcours : Infrastructures stockage et analyse de données massives ; Big Data ; 

• Licence pro Métiers du décisionnel et de la statistique, parcours : Data mining ; Applications aux domaines de la santé ou Ingénierie de données 

Il est nécessaire de se spécialiser avec une formation de niveau Bac+5 comme :

• Master MIAGE (méthodes informatiques appliquées à la gestion des entreprises), parcours : Big Data décisionnel et apprentissage / Data science 

• Master Informatique, parcours : Optimisation et recherche opérationnelle ; Machine, learning and Data mining ; Données et systèmes connectés ; Big Data ; Intelligence artificielle embarquée, Data mining

• MIASHS : Big Data et fouille de données

• Master SIAD (systèmes d'information et d’aide à la décision), parcours : Data sciences, Business intelligence

• Master Mathématiques, parcours : Statistiques pour l’évaluation et la prospective ; Mathématiques et applications, parcours : SAAD (statistiques appliquées et analyse décisionnelle) ; MSID (méthodes stochastiques et informatiques pour la décision) 

• Master MIASHS (mathématiques appliquées aux sciences humaines et sociales) Sciences des données

• Master IARF (intelligence artificielle et reconnaissance des formes)

• Mastère spécialisé en Big Data 

• Master of science in informatics : Gestion des données et extraction de connaissances à large échelle

• MSc (master of sciences) : Statistics for smart Data ; Big Data for business ; Data science & business analytics ; Applied Data science & Big Data ; Data science, Data management

• Diplôme d’ingénieur* avec spécialisation Big Data : IAMD (ingénierie et applications des masses de données) ; Big Data & Data science ; Data science ; Ingénierie des systèmes d'information ; Data Science for Social Sciences

Pour aller plus loin, il existe des formations de niveau Bac+6 comme :

• Mastère spécialisé (MS) : Big data : gestion et analyse des données massives ; Big data : analyse management et valorisation responsable ; Data Science ; Expert en sciences des données 

• Diplôme d’école de commerce (privée ou publique) : MSc Big Data Analytics for Business 

* A savoir que pour intégrer les écoles d’ingénieurs ou de commerce, l’entrée est sur dossier et/ou sur concours avec une sélection plus ou moins rude. Il existe différents niveaux d’accès : après le Bac via des classes préparatoires intégrées (CPI), après une classe préparatoire aux grandes écoles (CPGE), après un BUT, un BTS ou une licence ou un autre diplôme d’études supérieures en lien avec le domaine. 

Avis Wilbi 

Tu peux consulter le site Trouvermonmaster.gouv.fr.

Considéré comme un métier d’avenir, il peut exercer dans le secteur privé dans des domaines variés du service, de l’industrie ou du commerce tels que : assurance, banque, finance, e-commerce, digital, médical, paramédical, grande distribution. 

Il peut intégrer aussi une agence de conseil, un cabinet d’études ou une start-up développant des logiciels spécifiques sur les thèmes de la prospective socio-économique, de la programmation et du conseil informatique, par exemple. 

Avis Wilbi

Echanger avec un professionnel est une bonne stratégie pour en savoir plus sur les possibilités d’évolution de carrière d’un métier.

Salaire débutant mensuel net : entre 2 300 € et 3 500 €.

Ces chiffres sont là pour te donner une idée car les salaires varient selon l’expérience, l’entreprise, le statut, la spécialisation choisie, la zone géographique, etc.

Il peut suivre des projets de plus en plus importants et manager une équipe de data scientists au poste de chief data scientist, chief data officer. 

Il peut aussi évoluer en devenant directeur des systèmes d'information de l'entreprise.

Avis Wilbi 

Echanger avec un professionnel est une bonne stratégie pour en savoir plus sur les possibilités d’évolution de carrière d’un métier.

Ici on compile quelques références en tout genre (pédagogiques, divertissantes…) autour du métier et son univers. Attention, prise du recul nécessaire (notamment sur les films et séries) car ce n’est pas toujours le reflet de la réalité voire stéréotypé… Enjoy !

Film : 

• Le stratège (2011), de Bennett Miller

Série :

• The billion dollar code (2021), de Robert Thalheim

Documentaires :

• Les algorithmes peuvent-ils nous soigner ? (2021), de David Donschen

• Les pionniers des data sciences (2020), de Erik Turestedt

• The great hack, l’affaire cambridge analytica (2019), de Karim Amer et Jehane Noujam

MOOC : 

• Fondamentaux pour le Big Data (2022), Institut Mines Télécom

• Over the moon (2020), Microsoft et Netflix

• Webinaire "Métier de Data analyst" (2019), Atdec Nantes Métropole

Podcasts :

• La data science expliquée 

• Super data science

• Anatomie de l’IA

• Decideo

• Demain nos intelligences

• Big data hebdo

Livres :

• La data : guide de survie dans le monde de la donnée (2022), de Benoît Cayla

• Intelligence artificielle & data (2022), Harvard business review

• Manuel de data visualisation (2021), de Jean-Marie Lagnel

Magazine et son site : 

• Epsiloon

Sites :

• www.lebigdata.fr

• www.concepteursdavenirs.fr

Un grand merci à Angélique et Ségolène de nous avoir fait découvrir leur métier pendant quelques jours !