Dessine-moi des data scientists

Récemment, la petite équipe d’Etalab, la mission en charge de l’ouverture des données publiques, s’est étoffée d’une poignée de personnes dont le métier est nimbé d’une aura de buzz en ce moment : des data scientists, qu’on pourrait traduire par “datalogue” ou “dataiste”, si ce n’était moins percutant que la version anglaise. Pour faire simple, on peut partir de cette définition de Samuel Charron, data scientist chez Data Publica :

Personne capable de valoriser la donnée : extraction, traitement, statistiques, analyse, visualisation, etc.

Entre la nomination du premier administrateur général des données (AGD), Henri Verdier qui dirigeait déjà Etalab, et la passion pour les “smart cities”, l’exploitation des données dont regorgent les SI privés et publics, ouverte ou non, est devenue un gros enjeu, gage d’une meilleure efficacité et d’économies. Les data scientists sont donc présentés comme une fonction-clé. Et sont appelés à prendre pied dans les collectivités territoriales.

“Le profil varie selon l’objectif”

En parler au singulier n’est sans doute pas la meilleure façon de décrire ce nouveau métier, tant les approches et les définitions varient d’un interlocuteur à l’autre, et empruntent plus ou moins à des compétences qui existent déjà.
“C’est un métier plus composite qu’il n’en a l’air aujourd’hui ; il est tout sauf défini”, indique Simon Chignard, d’Etalab.

Le profil varie selon l’objectif. Pour réaliser des études et de la prospective, on choisira un profil de statisticien ; d’autres pourront bidouiller les données : traiter les problèmes de collecte et de mise en forme et les visualiser ; enfin les analystes business intelligence pourront travailler davantage sur le machine learning.”

A priori, Brice Person, rentre dans un de ces profils, plutôt le deuxième : ce « data addict » comme il se définit, est un grand habitué des hackathons, toujours prompt à faire quelque chose de données pas toujours très présentables. Mais lui-même s’interroge : « est-ce que je suis un data scientist ? Si la finalité consiste à faire des tableaux de bord pour éclairer des prises de décisions, en y croisant des données de différentes sources, alors oui. Si c’est faire de la prédiction, non. C’est un buzzword, mais c’est vrai qu’il y a de plus en plus de données. » Cet autodidacte considère que le data scientist a une approche « créative. » Aux connaissances techniques – conception de bases de données, code et mathématiques -, il rajoute une connaissance du métier : « Si je vais travailler sur les SDIS, je vais avoir envie de visiter un centre, etc. »

Une patte créative également soulignée par Loic Petit, de Data Publica : “C’est un grand support d’analyse pour, soit proposer des nouvelles idées, soit critiquer les actuelles. Leur créativité permet d’ouvrir les possibilités, pour ne pas en rester à la simple analyse de type « Excel ». Les data scientists sont nécessaires en tant que médiateurs car ils font le lien entre les millions de chiffres incompréhensibles pour la plupart et l’information principale.”

Mouton à cinq pattes

Pierre Pezziardi, animateur de la filière des « startups d’Etat » et qui a été impliqué dans le recrutement de certains data scientists à Etalab, voit aussi “trois dimensions. Une première, mathématique et statistique, qui est déjà connue et enseignée ; une seconde, informaticienne, pour fabriquer ses propres outils ; une troisième, politique : il faut être capable de comprendre le réel et ses irritants (sic), c’est une personne qui a du bon sens”, le tout enrobé des valeurs du service public dans leur cas.

“Nous avons recherché des gens avec ces trois aspects, et une forte autonomie, ajoute-t-il. Ceux que nous avons recrutés sont sur des secondes expériences, avec des profils atypiques, pas forcément à l’aise dans leur entreprise actuelle. Il n’est pas naturel de développer ce type de profil dans les grandes administrations et les grandes entreprises cloisonnées.”
A l’équipe de spécialistes “qui existe déjà” selon lui, Etalab a donc préféré le mouton à 5 pattes.

A contrario, Philippe Charlot, du cabinet conseil La mètis, considère qu’il est difficile de réunir dans une même personne les quatre facettes qui dessinent selon lui ce métier : “le stratège”, “le spécialiste métier”, “le développeur” et “le statisticien”.

Il souligne l’importance de la première dimension : “il faut réconcilier stratégie et données pour la mettre en oeuvre et donc comprendre de quoi l’on parle. Mais au-delà de la connaissance métier, il faut résoudre des problèmes de stratégie publique. Cette équipe doit donc être rattachée à la direction de la stratégie.” Il parie surtout sur des profils mixte ingénieur ou statisticien et ENA ou école de commerce.

Jeune cousin du statisticien

La différence avec les statisticiens relève logiquement de la même nuance qu’entre statistique et data driven policy (gouvernance par la donnée) : accent mis sur la “résolution de problème”, nature des données et finesse des analyses permises maintenant. Pas de rupture fondamentale, donc.

“Pour moi, c’est surtout cosmétique : un bon statisticien doit être capable de faire la même chose. La vraie différence réside peut-être cependant dans les compétences en informatique : les cursus universitaires sont très matheux en statistique”, indique Clément Chastagnol, de Data Publica. “Le data scientist apporte des dimensions supplémentaires : collecte de la données (du web, de documents peu structurés), traitement plus massif, etc.”, complète Samuel Charron.

Cet article est en relation avec les dossiers

• Open Data et réutilisation des données publiques : des promesses vertigineuses
• Smart city : les clés de la ville intelligente