Alors que l’utilisation des données se généralise au sein des entreprises, les personnes compétentes manquent. En cause, un modèle de formation des profils de Data Scientist et d’Architect encore trop basé sur les grandes études, quand bien même les talents sans PHD existent.
Le monde du digital aura passé la dernière décennie à annoncer que le Big Data représentait la nouvelle révolution industrielle. Et la crise sanitaire, qui s’est transformée rapidement en crise économique, est sans doute un moyen d’encore accélérer cette mutation. Malgré cette promesse, les métiers de la data manquent de main-d’œuvre, et nombreuses sont les offres de poste qui peinent à trouver le candidat adéquat. La faute à une formation insuffisante. Certes, ces métiers sont des métiers jeunes, ce qui justifie le retard pris par le supérieur pour combler ce besoin, mais cela n’explique pas tout. « En France, on est un peu élitiste » quant aux enseignements de pointe, regrettait Eneric Lopez, directeur IA Microsoft France, lors d’un webinaire il y a quelques semaines. Quand on pense Data Scientist, Data Architect ou encore Data Miner, on a encore trop souvent en tête l’image d’un petit génie des maths, ayant validé son doctorat après dix ans d’études au MIT ou à Polytechnique. Or, pour que la révolution Data réussisse, il faut l’ouvrir au plus grand nombre.
Plus de diversité pour plus de résultats
La bonne nouvelle, c’est que ce mouvement est déjà en marche, notamment poussé par le monde de l’entreprise. Dans la Silicon Valley, par exemple, le PHD n’est déjà plus le sésame pour intégrer une grande société. « Ce que nous recherchons, ce sont les talents, peu importe d’où ils viennent », développait ainsi Janelle Gale, en charge des RH, chez Facebook pour expliquer la politique de recrutement du réseau social de Mark Zukerberg – lui qui, rappelons-le, n’est jamais allé au bout de son cursus universitaire. Cette volonté de diversité des profils plutôt qu’une recherche des plus diplômés n’est pas qu’une volonté de justice sociale, c’est également un impératif de résultats. En effet, une étude réalisée par Google, il y a quelques années, a montré qu’entre une équipe composée de scientifiques chevronnés, parmi les plus brillants esprits de l’entreprise, et une autre avec des salariés moins exceptionnels mais plus mixtes, c’était bien de cette dernière que naissaient les idées les plus novatrices.
« Les profils venant de la recherche ne s’épanouissent pas forcément dans le privé, où les impératifs de rentabilité à court terme ne laissent pas de temps à la recherche fondamentale », justifie Anastasia Lieva, responsable Data-Science chez Comwatt. « Un background en statistiques et mathématiques, bien que nécessaire, n’est pas suffisant. Il faut également être capable de développer des solutions scalables, industrialiser leurs livraisons et les maintenir dans le temps. » Les universités et les centres de recherche ne partagent ni les objectifs, ni la temporalité des entreprises. « L’industrie va moins juger un modèle analytique pour son côté novateur que pour ce qu’il apporte en termes de résultat pour l’entreprise », renchérit le data-scientist John W. Foreman, dans son livre Data Smart : Using Data Science to Transform Information into Insight.
Tout le monde peut coder
L’inadéquation du système universitaire avec les besoins réels pousse certains grands groupes à s’organiser par eux-mêmes, à l’image de KANTAR. Le numéro 1 mondial de la Data s’est associé à Human Experience pour créer son Master d’Architect des stratégies Insight et Data, avec comme volonté d’ouvrir la formation à tous les âges et toutes trajectoires de vie. « On donne de la cohérence à des profils très divers, pour que chacun apporte sa contribution suivant là d’où il vient, nous confiait Ketty de Falco CEO de la division Insights de KANTAR France au début de l’année. Il y a beaucoup d’élèves qui sont perdus dans les universités, et on essaye de leur donner une chance de se tourner vers un enseignement plus concret. »
Comprendre et maîtriser les langages de programmation comme Python ne doit pas être l’apanage d’une élite, c’est en ce sens que notre Master a été élaboré en collaboration directe avec KANTAR, pour répondre à leurs besoins en allant chercher des talents en dehors des circuits habituels. D’autant que la diffusion de plus en plus large des Data participe à leur démocratisation. Des outils émergent pour aider, parfois même sans avoir besoin de coder, les professionnels à utiliser les Data pour élaborer des stratégies. Et si la recherche fondamentale est bien évidemment nécessaire et le restera, il convient de rassurer les futurs Data Scientists, Data Architects ou encore Data Analysts : l’ère du tout-PHD est révolue. En post-Bac ou en reconversion, ces carrières sont désormais à tous. C’est en tout cas notre pari.