Data Scientist, un métier spécifique de l'IA

Qu'est-ce qui fait qu'un modèle d'IA est performant ? Il y a beaucoup de critères à prendre en compte si on veut répondre à cette question de façon exhaustive.

Cela dit, s'il y a un critère qui prévaut sur tous les autres, c'est la qualité des données d'entraînement. Sélectionner les meilleures données possibles, cela garantit souvent d'avoir un modèle d'IA de qualité.

Mais pour obtenir ces meilleures données possibles, il faut des personnes capables d'expérimenter avec ces données, comparer les performances entre plusieurs modèles d'IA et savoir manipuler des données pour améliorer les performances.

C'est là qu'intervient le métier de Data Scientist, spécifiquement conçu pour répondre à ce besoin.

Pourquoi c'est un métier ?

La modélisation des données existe depuis longtemps

Dès les années 1960, des pionniers comme John W. Tukey utilisaient déjà le terme de « data analysis » pour désigner l’art de tirer des tendances à partir de grands volumes de données.

Cette démarche d’analyse de données a d’abord été utilisée en statistiques, en marketing et en recherche scientifique où l’on exploitait des bases de données pour mieux comprendre les comportements ou optimiser les processus

Au fil des décennies, l’évolution technologique a permis d’automatiser et d’industrialiser ces pratiques, mais le cœur du métier reste toujours le même : Collecter, trier, interpréter et synthétiser des données pour éclairer la prise de décision.

Avec la démocratisation d’internet, le volume de données explose et on cherche désormais des données de qualité pour en tirer des informations exploitables. En conséquence, les Data Scientists ont gagné en importance dans les entreprises, encore plus dans les métiers de l’IA.

Dans l’intelligence artificielle en général, les performances des modèles dépendent non seulement des données ayant servi pour leur entraînement, mais aussi de la façon dont les modèles interprètent ces données. En l’occurrence, pour qu’un modèle d’IA puisse avoir la meilleure interprétation possible des données, les Data Scientists sont nécessaires.

Les tâches du Data Scientist dans l'IA

Une des tâches principales du Data Scientist consiste à rassembler les données pertinentes depuis diverses sources, évaluer leur qualité et leur pertinence. Cela implique aussi d’enlever des données de mauvaise qualité et/ou de rajouter des données de qualité si nécessaire.

Quand cette étape est faite, le Data Scientist réalise ce qu’on appelle une “analyse exploratoire des données (EDA)” pour analyser des jeux de données et résumer leurs principales caractéristiques. Elle permet aux data scientists de plus facilement découvrir des schémas, repérer des anomalies, ou vérifier des suppositions.

On peut aussi demander au Data Scientist de réaliser de “l’ingéniérie des caractéristiques”, qui consiste à transformer les données brutes en informations pertinentes que les modèles d’IA peuvent utiliser. Si les données brutes étaient des légumes, alors le feature engineering peut être considéré comme la préparation des légumes (éplucher, couper, créer des combinaisons…) avant la cuisson.

Une fois que les caractéristiques des jeux de données sont mis en évidence, on sélectionne les algorithmes les plus appropriés (régression linéaire, arbres de décision, réseau de neurones…), et on entraîne plusieurs modèles candidats.

Enfin, on teste ces modèles candidats et on mesure leurs performances avec les métriques appropriées.

Dans une newsletter précédente, nous avons fait une description du métier de Data Engineer. On pourrait penser que Data Engineer et Data Scientist sont le même métier puisqu’ils sont tous les deux spécialisés dans la gestion des données, mais ce sont deux métiers distincts qui nécessitent des compétences distinctes :

• Le Data Engineer est plus orienté vers l’infrastructure et le logiciel, avec la gestion des pipelines de données, les outils d’automatisation et les fournisseurs de cloud.
• Le Data Scientist se concentre davantage sur les statistiques et l’analyse. Il passe plus de temps à expérimenter avec les modèles, et mesurer leur performance.

Si le métier de Data Engineer peut s'apparenter à de la plomberie, alors le métier de Data Scientist peut s’apparenter à de la chimie où on teste des hypothèses, on analyse et on cherche des réactions pour avoir le modèle d’IA le plus performant possible.

Les compétences requises

Compétences techniques

Mathématiques appliquées et statistiques. Sans les mathématiques, il ne peut pas y avoir d’algorithmes, ni d’IA. Les connaissances sur certaines branches liées aux maths telles que l’algèbre linéaire, les statistiques, les probabilités ou encore l’optimisation constituent une base nécessaire pour sélectionner les bonnes méthodes.

Langages de programmation. La maîtrise de Python, R ou encore Scala est incontournable. En effet, Python est le langage que tout le monde utilise pour ses bibliothèques ML/IA (scikit-learn, TensorFlow, PyTorch), R excelle pour l'analyse statistique, et Scala est utilisé pour traiter les données massives en production.

Traitement des données :

• SQL pour l’extraction et la manipulation de données
• Spark, Hadoop pour le traitement de volumes importants
• NoSQL pour les données non structurées

Outils de visualisation des données (Excel, Power BI, Tableau). ces outils sont nécessaires non seulement pour que le Data Scientist puisse visualiser les expérimentations qu’il réalise, mais aussi pour pouvoir communiquer efficacement ses découvertes aux profils non-techniques.

Compétences humaines

Curiosité. Il faut une capacité à explorer les données sous divers angles pour découvrir de nouveaux moyens d’améliorer la performance des modèles. De plus, l’intelligence artificielle est une industrie où l’on peut s’inspirer des nombreuses expérimentations réalisées par autrui.

Rigueur scientifique. La Data Scientist doit montrer que les infos produites de ses expérimentations sont fiables, vérifiables et basées sur des données de qualité. Ses interlocuteurs doivent aussi être en capacité de reproduire les expérimentations si nécessaire.

Pragmatisme. Même si la rigueur scientifique implique d’explorer toutes les hypothèses possibles, il faut garder à l’esprit qu’une entreprise cherche une solution suffisamment bonne rapidement, et non une solution parfaite qui ne sort jamais.

Travail en équipe. Un Data Scientist est quotidiennement en discussion avec d’autres ingénieurs, comme le Data Engineer grâce à qui il obtient des jeux de données utilisables pour ses analyses, ou encore l’ingénieur Machine Learning qui exploite ses analyses pour créer le modèle d’IA final.

Accéder à ce métier

La grande majorité des parcours universitaires pour devenir Data Scientist nécessitent un BAC+5 dans une filière de mathématiques et/ou d’informatique.

Les cursus adaptés pour ce métier sont les masters spécialisés en maths appliquées, informatique décisionnelle, statistiques, data science, etc. Ainsi que les diplômes d’ingénieurs dans des domaines similaires.

Certaines expériences professionnelles peuvent également faciliter l’accès au métier de Data Scientist:

• Toutes les expériences liées au développement Python, au développement de APIs, ou à la gestion de bases de données peuvent servir dans ce métier.
• L’analyse de données comme l’utilisation de SQL et la visualisation
• Un métier où l’utilisation de statistiques avancées fait partie du quotidien

Pour finir, même si nous n’avons pas forcément le diplôme et/ou l’expérience professionnelle adaptée pour prétendre à ce métier, il y a énormément d’initiatives à prendre pour faire part de ses compétences :

• Avoir un profil GitHub organisé et entretenu dans lequel on partage les projets sur lesquels on contribue
• Participer à des concours et des hackathons pour faire des rencontres et développer son savoir-faire
• Assister à des meetups dédiés à l’IA ou participer à des groupes dédiés à l’IA sur les réseaux

Les initiatives possibles sont nombreuses, et la proactivité est généralement récompensée.

La rémunération d'un Data Scientist

Un Data Scientist débutant qui travaille dans une entreprise en France peut prétendre à un salaire situé entre 35 000 et 45 000€ bruts par an. Mais avec des critères différents, ce dernier peut considérablement augmenter.

A commencer par l’expérience qui est un facteur non négligeable. Au bout de 5 ans d’expérience, il devient possible de prétendre à une rémunération comprise entre 50 000 € et 75 000€ bruts annuels pour la même entreprise.

Le salaire est également différent selon les pays, en fonction du coût de la vie et de la demande du pays concerné pour ces profils. Par exemple, les Etats-Unis sont le pays le plus demandeur en compétences liées aux données, ce qui fait que même un profil ayant moins de deux ans d’expérience peut prétendre à 80 000$ par an voire plus.

Dans une moindre mesure, le secteur d’activité pour lequel on travaille a aussi une influence :

• Les entreprises technologiques, bancaires et financières paient généralement plus, avec une différence estimée entre 15% et 30% par rapport à la moyenne
• Les entreprises liées au ecommerce et au marketing digital proposent une rémunération se situant autour de la moyenne
• Les entreprises telles que les associations, ONG ou encore les startups qui débutent proposent des salaires plus bas

Il est également possible de travailler en tant que freelance. Dans ce cas, on ne parle plus de salaire mais de Taux Journalier Moyen (TJM) et celui-ci peut varier énormément. En France, les tarifs varient de 120€ à 1500€ par jour, en sachant que TJM est en moyenne de 346€ pour les juniors et 765€ pour les seniors.

Il convient de préciser que ces statistiques sont des estimations, les situations individuelles et les négociations ont également leur part d’influence sur le salaire, mais cela donne une bon aperçu de la demande générale pour ce métier.

Si ce métier vous intéresse, ou si la perspective d’apprendre des compétences relatives à l’IA vous intéresse, Alyra vous propose de vous y former !

{{cta-moyen-dia}}

‍