Interview de Axel Gogenmos, consultant data scientist

Comment êtes-vous devenu consultant data scientist ?

Axel Gogenmos : Au début je ne connaissais pas cette discipline. Après un bac scientifique, j’ai fait des études en génie électrique et informatique industrielle. Pendant ma dernière année aux Arts et Métiers ParisTech, j’ai suivi une spécialisation en SI qui comportait une introduction à la data science. J’ai découvert qu’il s’agissait en fait de beaucoup de mathématiques, ainsi que des statistiques et de l’informatique. Et cela m’a bien plu ! Sopra Steria proposait un projet de reconnaissance d’images par rayons X pour détecter des armes dans les bagages à l’aéroport, j’ai trouvé que c’était un défi intéressant pour mon stage de fin d’études de 6 mois. À l’issue de mon stage, on m’a proposé un CDI, que j’ai accepté, après avoir rencontré plusieurs personnes de Sopra Steria qui m’ont indiqué les missions sur lesquelles j’allais être amené à intervenir.

Aujourd’hui, quel est votre poste ?

A. G. : Je suis consultant au Data Lab de Sopra Steria, une branche de notre centre d’expertise digitale (CED) composée exclusivement de data scientists (une vingtaine en ce moment). La plupart sont ingénieurs d’écoles ou d’universités, tous arrivent d’horizons très variés : physique, mathématiques, biologie, etc. L’objectif d’un tel centre de compétences est de réaliser des missions de data science chez nos clients disposant déjà de nombreuses données à exploiter. L’ambiance est très bonne ! D’ailleurs, on se retrouve régulièrement en dehors du bureau.

A quoi ressemble votre quotidien à ce poste ?

A. G. : Il n’y a pas de journée type ! Disons qu’en moyenne, je passe 25 % du temps en réunions avec les autres membres du Data Lab, des consultants ou des clients pour faire des points d’avancement des projets et récupérer les briefs clients. Je rédige des rapports et je fais du PowerPoint pendant environ 30% de mon temps. Et enfin je travaille sur des données, je code, je teste, je corrige pendant environ 45 % de mon temps. J’apprécie l’ensemble des missions de mon poste mais ce que je préfère, c’est cette partie sur la data science, c’est-à-dire quand je suis sur les données ! J’utilise des langages et des librairies de deep learning (DL) et de machine learning (ML) comme Python, R, Keras (TensorFlow) et SciKit-Learn pour les principaux.

Sur quels projets travaillez-vous ?

A. G. : Depuis que j’ai intégré le Data Lab, j’ai eu l’occasion de travailler sur plusieurs projets. Mon premier projet consistait à faire des scripts de vérification de données, un sujet formateur même s’il faisait moins appel à la créativité. Aujourd’hui, je travaille sur de la reconnaissance de caractères et de l’extraction d’entités, et cela m’intéresse beaucoup plus. Les missions, qui durent en moyenne un mois, sont très variées et concernent des secteurs très différents. C’est ce qui me plaît ! Au Data Lab, on réalise des POC (proof of concept) pour des clients, mais nous ne sommes pas des développeurs. Donc, après le POC, on passe le relais à l’équipe de développement.

Quelles sont les difficultés que vous rencontrez en tant que consultant data scientist ?

A. G. : Je rencontre parfois des problèmes que je ne sais pas résoudre. Cela m’est arrivé récemment sur des séries temporelles, par exemple. Dans ce cas, je n’hésite pas à demander de l’aide à un autre data scientist. Nous avons tous des profils et des compétences très différents. Certains sont forts en mathématiques, d’autres en statistiques ou en informatique. La data science est un domaine très vaste, qui utilise des technologies très variées, cela va des réseaux de neurones à la vérification de bases de données. Il n’existe pas une formation unique.

Comment pensez-vous que ce métier va évoluer ?

A. G. : Je pense qu’il va évoluer vers plus de spécialisation. Demain, les data scientists seront plus nombreux et plus spécialisés. J’imagine aussi qu’il existera des modules déjà développés que l’on pourra assembler pour résoudre un problème donné. Du coup, on pourra passer plus de temps avec les clients.

Quels conseils donneriez-vous à un étudiant qui voudrait devenir consultant data scientist ?

A. G. : Ça tient en quelques mots : avoir des bases solides en mathématiques et en statistiques, faire des concours et des projets, sur Kaggle par exemple, et suivre l’actualité ! Il faut aussi maîtriser l’anglais, surtout en lecture, pour pouvoir lire les nombreux articles sur le sujet qui sont la plupart du temps écrits dans cette langue.