Data scientist (expert en mégadonnées) / data scientist (experte en mégadonnées)

Le métier

Le ou la data scientist, ou expert·e en mégadonnées, est chargé·e de collecter, organiser, exploiter et valoriser des données très volumineuses. L'objectif est simple à énoncer : éclairer une décision. Une direction veut savoir pourquoi les clients partent, une usine cherche à anticiper une panne, une banque veut mieux évaluer un risque. Le métier consiste à transformer ces questions floues en analyses chiffrées, puis en recommandations que quelqu'un peut utiliser.

Pour te représenter le rôle, pense à un cuisinier qui doit d'abord trier et nettoyer ses légumes avant de cuisiner. Le travail sur les données ressemble à ça : une part importante consiste à préparer la matière première, et seulement ensuite à construire le plat. Le ou la data scientist combine des compétences en gestion des données, en statistiques et en programmation.

Il ou elle travaille avec des analystes, des chargé·e·s de données spécialisé·e·s (marketing, ressources humaines, achats), parfois avec un·e data miner plus focalisé·e sur l'identification des données pertinentes. Les chefs de projet et les métiers concernés par l'analyse sont des interlocuteurs constants. Les secteurs cités sont la banque et l'assurance, le commerce et la distribution, l'industrie chimique et la santé, de la start-up au grand groupe.

Une journée de travail

Une journée type commence souvent par la compréhension d'une demande. Le ou la data scientist discute avec le service concerné pour savoir ce qu'on cherche vraiment, quelles sources existent et sous quelle forme les collecter. Une grande partie du temps passe ensuite sur l'ordinateur : récupérer les données sur des serveurs, des fichiers ou des bases, puis les « nettoyer », c'est-à-dire les mettre au bon format et écarter celles qui ne sont pas exploitables.

Vient ensuite la phase de modélisation. Il faut écrire des algorithmes pour croiser les données, tester des hypothèses, ajuster, recommencer. Les résultats sont enfin restitués sous forme de rapports, de graphiques, de tableaux ou d'applications, à destination de personnes qui ne sont pas forcément à l'aise avec les chiffres. Le travail s'organise en mode projet, sur quelques semaines à quelques mois.

Les qualités qui comptent

Le métier demande d'abord une bonne maîtrise des mathématiques appliquées, des statistiques et de plusieurs langages et outils de programmation, parmi lesquels Python, R ou SAS, ainsi que des technologies comme Hadoop ou Spark. Mais les compétences techniques ne suffisent pas. Il faut de la rigueur, le souci du détail et une organisation capable de hiérarchiser les priorités. Savoir expliquer un résultat à quelqu'un qui n'est pas technicien compte autant que le code lui-même, d'où l'importance de la communication orale et écrite. L'anglais technique est indispensable pour suivre les évolutions du domaine. Enfin, la capacité à proposer des pistes, comme l'achat de nouveaux outils pour mieux collecter les données, est très appréciée.

Conditions de travail

Le ou la data scientist est salarié·e, dans le secteur privé en CDI ou en CDD, ou dans le secteur public. Le travail se fait généralement en bureau d'études, en journée, en mode projet. Il ou elle passe beaucoup de temps devant un ordinateur, mais doit aussi se déplacer pour rencontrer les équipes métier et comprendre leurs besoins. Le poste est souvent rattaché à la direction générale, à la direction des systèmes d'information, au marketing stratégique ou aux études. Le salaire d'un·e débutant·e est indiqué à partir de 3100 euros brut par mois. Le métier peut évoluer vers le poste de chief data scientist ou de directeur ou directrice des données, qui pilote une équipe de spécialistes.

Comment y accéder

Le niveau minimum d'accès est bac + 5. Les voies usuelles passent par un master en mathématiques appliquées, statistiques, informatique décisionnelle, data science ou sciences des données, mais aussi par un diplôme d'ingénieur avec une double compétence en mathématiques et informatique, ou une spécialisation big data. Certaines formations sont des titres certifiés RNCP, d'autres des diplômes d'État, et quelques écoles délivrent des diplômes conférant le grade de master. Le mastère spécialisé Expert Big Data Engineer se situe à bac + 6.

Les formations en apprentissage sont nombreuses et comptées à part des formations en école ou à l'université : on recense 419 formations en apprentissage liées à ce métier. Une première expérience, souvent comme data analyst, est fréquemment demandée. Un stage long dans un secteur d'application, comme l'industrie, la santé, l'assurance ou la finance, constitue un atout.