Le monde de la data évolue très vite. Les métiers qui s’y associent aussi. Certains évoluent et d’autres se créent. Afin de faire un bilan des métiers aujourd’hui et de parler des métiers à venir, nous avons eu le plaisir d’intervenir lors du dernier épisode du podcast Bouge ta Data, organisé par Datasulting et ses partenaires dans le cadre de l’OMDE (observatoire de la maturité Data des entreprises). 

À cette occasion, Pierre Vannier (CEO de Flint) était accompagné de Denis Roux (Directeur des systèmes d'information chez Inovie) et Véronique Vaslot (Chief Data Officer chez EBP). Ils nous ont partagé leur vision de ces métiers data.

‍

Data Analyst 

Historiquement, c’est le métier le plus classique : le Data Analyst est chargé d’étudier l’ensemble des données et d’en extraire des tendances. 

Il est fréquemment en contact avec les métiers. Il doit avoir cette sensibilité et la compréhension des problématiques. 

‍

Data Engineer 

Le Data Engineer est celui qui est dans la mine, creuse et cherche les diamants. En fonction des besoins des Data analysts, il va concevoir, développer, et maintenir l'infrastructure et les systèmes nécessaires pour gérer, traiter et transformer de grandes quantités de données.

C’est le métier le plus proche de l’IT et le plus technique.

‍

Data Scientist 

Grâce à des réseaux de neurones, le Data Scientist va pouvoir tester plein de théories, puis se focaliser in fine sur la bonne solution. Via des algorithmes, il va pouvoir apporter des visions prédictives plus complexes que ce qu’apporte le Data Analyst. 

Selon Denis Roux, le Data Scientist est quelqu’un du métier qui sait faire parler les données, au-delà des chiffres en eux-même. 

Même si Véronique Vaslot est plus nuancée sur le besoin d’être du métier ou pas, elle réaffirme l’importance d’avoir une approche holistique permettant de faire des analyses plus globales, avec un modèle plus exploratoire. 

‍

ML Engineer / MLOps 

Voilà un nouveau métier qui vient d'émerger. 

La mission principale d’un ML Engineer consiste à créer des systèmes et des modèles de Machine Learning capables d'apprendre à partir de données et de fournir des prédictions précises sans être explicitement programmés. 

‍

Chief Data Officer

Le CDO est un chef d'orchestre : 

• Il s’assure de la faciliter des échanges entre les différents intervenants ( techniques et métiers) ;
• Il garantit la pertinence des demandes et de son utilisation ;
• Et il définit la stratégie data.

Le CDO doit savoir comprendre et gérer l’humain, la technique et les métiers. La communication, l’empathie et la conduite du changement sont des compétences clé pour la réussite dans ce rôle. 

‍

Data Quality Officer 

Le DQO met en place une stratégie de tests permettant de garantir l'intégrité et la qualité de la donnée. Ce qui est aujourd'hui indispensable. La “QA” (Quality Assurance) de la Data.

‍

Data Protection Officer 

Le DPO est le gardien du temple qui s'assure que tous les usages de la donnée sont en respect de la législation (notamment RGPD).

Un rôle qui a d’autant plus d’importance dans les domaines réglementés tels que le médical par exemple.

‍

Quelle est l’évolution de ces métiers ? 

La technologie évoluant tellement vite liée à la révolution de l’intelligence artificielle font que de nouveaux métiers vont apparaître et certains seront amenés à évoluer.

Prenons le métier de Data Scientist ou de ML Engineer ; ces métiers évoluent au rythme des avancées fulgurantes dans le domaine de l’IA. C’est tellement vrai que certains spécialistes suggèrent de remplacer le terme de “software Engineer” par “AI Engineer” dans les années qui viennent.

Cependant, il faut avoir une vision plutôt rassurante. À chaque révolution technologique, nous nous sommes inquiétés de la perte d’emploi. Or, on ne peut pas lutter contre cette révolution de l’IA. Les invités vous conseillent de rester attentifs à ces changements pour en tirer partie et opportunités.

Deux conseils clés : 

• Réaliser une veille technologique quotidienne pour grandir avec cette révolution ; 
• Utiliser l’IA pour faire le tri et automatiser les tâches sans valeur ajoutée et ainsi augmenter votre productivité.

Evidemment, l’IA ne résoudra pas tout. Il faudra toujours un humain pour avoir une compréhension contextuelle et situationnelle apportant ainsi une valeur ajoutée. 
Le dicton dit bien : Ce n’est pas l’IA qui vous prendra votre emploi, mais une personne maîtrisant l’IA.

‍

Dans ce podcast, les invités ont pu vous partager leur vision de chaque métier, de leur rôle et missions, tirée de leurs expériences. Le nouveau challenge pour vous sera de répondre à cette question : “Comment créer mon équipe data ? Quels profils intégrer et à quel moment ?”. 

Ainsi pour aller plus loin, nous vous conseillons de découvrir l’article “5 conseils pour constituer son équipe data “. 

Bonne lecture.