Axionable est une société d’ingénieurs et d’innovateurs dont le but est d’accompagner les entreprises dans leurs projets Data. En seulement 2 ans d’existence, l’entreprise a pu venir en aide à de belles entreprises comme le Crédit Agricole, BNP Paribas, Auchan, M6 ou encore TF1.

C’est dans ce cadre que nous avons interrogé Adrien Acquistapace, pour qu’il nous explique ce que c’est que d’être consultant en Data Science.

Quels étaient les besoins d’Axionable quand ils t’ont recruté ?

Adrien Acquistapace : Prendre en main l’intégralité de la data produite depuis le début de l’activité afin de la mobiliser au service de la résolution de problématiques business concrètes : pricing, budgetsizing, prédiction d’activité et de revenu. Mon entreprise s’était rendu compte que la donnée constituait un potentiel encore inexploité pour leur activité, et décida donc de sauter le pas. Il s’agissait d’une véritable création de poste, avec à la clé le déploiement d’un département à forte valeur ajoutée.

À quoi ressemble ta journée type au travail ?

Adrien Acquistapace : Au-delà du café du matin, difficile de décrire une journée type, et c’est justement cela qui est excitant! Mon travail consiste au développement opérationnel de projets qui au minimum durent plusieurs semaines. Selon le niveau de développement du projet, je passe une partie de mon temps à organiser avec les équipes les principales étapes à mettre en place. Une autre bonne partie de ma journée est consacrée à capter la donnée, la travailler pour la rendre exploitable, puis à mettre en place les outils d’analyse pour la rendre pertinente dans la vie économique de l’entreprise.

Une activité moins fréquente (disons, hebdomadaire), est la réalisation de reporting au top management de l’entreprise, lui permettant de suivre les besoins, les évolutions et les perspectives du pôle data.

Peux-tu nous parler d’un projet sur lequel tu as bossé qui t’a intéressé ?

Adrien Acquistapace : Le projet le plus prenant qui m’ait été donné de réaliser remonte à mon expérience comme data scientist chez nam.R (Nldr : une plateforme d’AI dédié à la protection de l’environnement) en 2017.

Il s’agissait, à partir de l’open data, de mettre en place un outil de prédiction de la performance énergétique de chaque bâtiment en France, afin de permettre aux grands énergéticiens de mieux répondre aux besoins de rénovation des foyer français. Tout l’enjeu de ce projet était d’y parvenir tout en respectant la vie privée de chaque citoyen. Mêlant machine learning, computer vision et NLU (Natural Language Understanding), ce projet un peu fou a mobilisé pas moins d’une dizaine de data scientists pendant de nombreux mois avant d’aboutir à des résultats à la fois robustes et exploitables. Il a permis la rénovation efficace de plusieurs centaines de passoires énergétiques.

Pour finir, à ton avis, à quoi ressemblera le métier de Data Scientist dans 5 ans ?

Adrien Acquistapace :  De par son explosion, le métier est d’ores et déjà en train de se segmenter, et il y a fort à parier que cette segmentation va se poursuivre et s‘accentuer.

Un marché de plus en plus mature et structuré permet aux individus de se spécialiser sur ce qu’ils maîtrisent le mieux, et donc de monter en compétences dans un domaine précis plutôt que sur de trop nombreux sujets. Chacun gagne ainsi en productivité !

On observe l’émergence de distinctions fortes des data scientists, que cela s’opère du point de vue de la technologie avec des spécialistes de la computer vision ou du NLP (Natural Language Processing), du point de vue de la finalité, avec des experts du pricing ou de la détection de fraude, ou du point de vue des opérations, avec des professionnels du scraping ou du nettoyage de bases.