Data scientist : une denrée rare ?

La data science est dans toutes les bouches des directions générales des grandes entreprises, start-ups, etc. Tout le monde s’y met, avec plus ou moins de succès, évidemment. Malheureusement, comme souvent dans les domaines de pointe, les personnes disposant de toutes les compétences clés pour être un bon data scientist sont rares, très rares même…

Dans cet article nous tenterons de répondre à plusieurs interrogations. Tout d’abord, pourquoi la data science devient si centrale ? Ensuite, qu’est-ce qui provoque cette pénurie de data scientist ? Enfin, comment faire autrement et se lancer sans passer des mois à trouver LE bon profil ?

Pourquoi la data science est-elle en passe de devenir incontournable ?

La montée en puissance de l’analytique et la constante évolution des technologies liées à l’IA (Machine Learning, Deep Learning, NLP, etc.) font de cette science un élément-clé de maîtrise de l’écosystème d’une entreprise. Les entreprises s’appuient plus que jamais sur les données pour prendre des décisions et planifier leurs actions. De nombreuses étapes sont nécessaires pour pouvoir créer de la valeur et des supports de décision à partir de ces données.

Nous pouvons citer deux métiers principaux aujourd’hui :

• Le data engineer (nous vous en parlerons dans un prochain article, stay tuned !) qui s’occupe de rendre la donnée et les résultats d’analyse accessibles.
• Le data scientist qui part de la compréhension de la problématique pour ensuite arriver à la proposition de résultats intelligibles (en passant bien sûr par les phases de préparation des données / modélisation / validation etc.). Ainsi, en fonction des problématiques, le data scientist sera capable d’identifier et de mettre en œuvre les différents outils et méthodes adaptés.

Les data sciences sont donc des moyens d’aider les entreprises à être plus «intelligentes». Comment ? Premièrement, en mettant à disposition des outils d’aide à la décision qui assistent le pilotage de l’entreprise. Deuxièmement, en permettant l’optimisation de certaines tâches. Troisièmement, en automatisant des tâches fastidieuses et chronophages.

Pourquoi les data scientist sont-ils si difficiles à dénicher ?

Le CV d’un bon data scientist est à mi-chemin entre celui d’un statisticien qui maîtrise les règles mathématiques et le développeur pour qui coder est une seconde nature. Il doit être à l’aise dans un langage adapté, connaitre les outils mathématiques et être conscient des contraintes d’industrialisation. Ce mouton à cinq pattes est donc une denrée rare. La preuve : le réseau professionnel LinkedIn annonçait qu’il manquait environ 150 000 data scientists au Etats-Unis fin 2018. En ce qui concerne la France, un rapport sur les métiers les plus recherchés en 2020, toujours édité par LinkedIn, plaçait le data scientist en 10ème place. La plateforme de freelancing Malt, dans une étude publiée en 2019, indiquait que seulement 5,5% des programmeurs et ingénieurs mentionnaient la data science dans leurs compétences. Un sacré fossé entre l’offre et la demande donc… Mais, concrètement, qui est cet expert que le monde s’arrache ?

Le data scientist est très souvent autodidacte et, quand ce n’est pas le cas, il a été formé au sein d’une entreprise. Ces spécialistes sont donc difficiles à détecter. Il n’y a pas de diplômes, évènement ou d’association métier dans lesquels puiser. Certes, certaines écoles d’ingénieurs commencent à développer des formations pour tenter d’enrayer la pénurie, mais ces étudiants ne seront totalement opérationnels que dans quelques années.

Un autre phénomène est à prendre en compte, les datas scientists expérimentés ont souvent fait leurs armes dans le monde de la finance ou du retail. Habitués à développer des algorithmes pour vous proposer « les produits que vous pourriez apprécier », déterminer si vous êtes éligible à un crédit, etc. ils sont moins à l’aise dans d’autres domaines. Les problématiques industrielles sont effectivement traitées depuis une vingtaine d’année, mais les experts sont nettement moins nombreux dans ce secteur, peut-être à cause du manque de visibilité de ces projets sur le marché.

Comment pallier ce manque d’experts disponibles sur le marché ?

Si vous êtes chef de projet dans l’industrie et que vous souhaitez mettre sur pied un projet pour mieux prévoir les pénuries de matières premières par exemple, vous aurez encore plus de difficultés à trouver LE profil qu’il vous faut ! Toutefois, si vous avez tout de même la chance d’approcher un data scientist, tout n’est pas encore gagné. En effet, il est nécessaire qu’il maîtrise les technologies que vous aurez choisies, mais aussi votre contexte métier.

Cela ne veut pas dire que tout est perdu. Pour répondre à vos besoins spécifiques, vous pouvez faire confiance à une ESN spécialiste de l’ingénierie informatique. Quelle différence cela fait-il me direz-vous ? La première est qu’un data scientist évoluant dans une société de services dispose de tout un réseau de compétences en interne. Il n’est pas seul et le savoir-faire ou le savoir-être qui pourrait lui faire défaut pour devenir votre perle rare pourra être facilement comblé grâce à l’écosystème dans lequel il évolue dans son entreprise. La seconde est que vous vous économiserez des mois de recherche et de « séduction » auprès de profils qui se savent très demandés (et qui peuvent donc être très exigeants).

Chez KAIZEN Solutions, nous mettons tout en œuvre pour faire grandir nos data scientists sur des problématiques industrielles innovantes et complexes. Grâce à la diversité de nos projets clients (de la start-up aux grands groupes), mais aussi à nos pôles de compétences internes, nos collaborateurs s’enrichissent et se forment quotidiennement aux besoins datas de demain. Pour en savoir plus et échanger autour de vos besoins, n’hésitez pas à nous contacter !

Retour aux articles