Le métier de Data Scientist, témoignage d'un alumni de Jedha

Qui est Sacha Duzelier ?

‍

Sacha est Senior Data Scientist chez Pôle Emploi. Il a fait ses études chez Télécom SudParis et au CNAM puis fait ses premières armes chez Ogury et au Ministère des transports Tchèque. Il va ensuite travailler pour MWM à Boulogne-Billancourt pendant 2 ans et demi. Il enchaîne avec une expérience de Freelance chez Zenly notamment. Il travaille aujourd'hui pour Pôle Emploi depuis 1 an et demi.

‍

Hello Sacha ! Quel est ton parcours ?

J’ai fait un Master à Telecom Sud Paris en statistiques, mathématiques appliquées, & Machine Learning. J’ai ensuite réalisé un stage dans le ciblage publicitaire, puis après 6 mois, je voulais travailler dans un secteur me correspondant mieux, mais toujours en Data Science. J’ai donc rejoint MWM, une entreprise créant des applications musicales.

Je travaillais donc sur de la recommandation musicale, de la segmentation de signal audio, un projet plus orienté recherche. Dans ce dernier projet, il était question d’extraire la piste de batterie ou de guitare : le tout pour faire des karaokés par exemples ! Les applications en sont très nombreuses.

J'ai ensuite travaillé en freelance sur de la détection de modes de transport à partir des données récupérées des smartphones. L'objectif était de sortir un POC, c'est à dire un algorithme à l'état de l’art, mais qui n'est qui n’est pas mis en production.

‍

Tu as ensuite été embauché chez Pôle Emploi !

Et cela fait maintenant 1 an et 1 mois que j'y travaille ! Notamment sur des projets visant à aider les conseillers. Un projet particulier a pour objectif de prédire la date de pourvoie d'une offre d’emploi. Pour expliquer cela, nous avons des données sur les offres (les compétences demandées, le salaire proposé, les missions à réaliser), et quand est-qu’un.e conseiller.e arrive à la pourvoir. Avec ces labels là, on parvient à trouver des patterns afin d'estimer un futur délai de pourvoie.

Pourquoi mener ces projets ? Aider les conseillers à prioriser leur tâche et organiser leurs missions, selon l'offre d'emploi qu'ils doivent pourvoir.

‍

Les conseillers sont-ils frileux à l’idée d'implémenter de l'algorithmie dans leur travail ?

La volonté de mettre en place ces projets ne vient pas des conseillers, mais de la direction avec qui je travaille. Beaucoup de données sont disponibles, celles relatives aux offres, aux candidats, aux CV déposés. Avec tout ceci, l'idée plus globale est d'automatiser certains processus chez Pôle Emploi.

De notre côté technique, on est allé nous même en agence poser des questions aux conseillers, pour savoir comment est-ce qu’ils aimeraient utiliser tel outil pour tel objectif. Globalement, les conseillers ne sont pas tant frileux à tout ceci.

Ce genre de projets IA serait en fait très utile à des conseillers plus jeunes, qui ne sauraient pas exactement aiguiller le recruteur afin de pourvoir son offre d'emploi. Cette aide à la décision permettrait également de gagner beaucoup de temps. Les conseillers ayant de l’expérience savent assez rapidement vers quoi se diriger pour pourvoir les offres auprès de leur candidats, mais il reste important de garder en tête les patterns.

In fine, tous les outils ne marchent pas forcément. On ne veut pas faire de l’IA pour faire l’IA , mais bien s’assurer que la tech avec l'outil seront utiles pour l’utilisateur final, en l'occurrence le conseiller.

‍

Aller sur le terrain est-il si important du côté technique ?

Toujours à répéter : l’outil est in fine utilisé par des personnes ! Savoir comment travaille un conseiller au jour le jour reste primordial.

Certaines données sont pour eux évidentes à comprendre, moins pour nous car nous n’avons l’expertise métier.

Ils peuvent ainsi nous donner beaucoup d’idées, des insights sur d’autres données que l‘on peut récupérer, des variables intéressantes à prendre en compte. Discuter ensemble nous donne en fin de compte une vision plus claire et concrète de ce que l'on veut faire de l'outil. Tester, itérer sur l'outil une fois qu'il est déployé est d'ailleurs tout aussi important.

‍

Du côté des candidats ?

Un exemple de projet qui a été mené à bien : quand il s’inscrit sur un job board ou Pôle Emploi, le candidat doit rentrer ses expérience, sa formation, ses compétences dans un formulaire. Nous avons crée un algorithme qui scanne & parse tout son CV, puis qui redistribue les bonnes informations dans les bonnes cases du site internet. Tout ceci pour faciliter la tâche de remplissage et la mise en ligne des CV pour les candidats.

De la même manière, lorsque les recruteurs rentrent en ligne un texte descriptif d’une offre, l’idée est de récupérer les informations du texte et de remplir automatiquement certaines cases qui doivent être mises en avant sur le site d’embauche : le nombre d’années d'expérience demandées, le niveau académique requis, le salaire proposé etc.

Un autre projet qui est mis sur la table est le traitement des mails reçus. Il s'agirait de les catégoriser afin d’avoir d’en faire ressortir des réponses complètes et automatiques. Ceci permettrait un gain de temps incroyable pour les conseillers, permettant d'allouer plus de temps à des cas plus particuliers.

Ce sont d’important chantiers, que l'on retrouve dans 2 applications de la Data :

• Du traitement de texte (du NLP)
• Des problématiques de traitement d’images, avec le traitement des CV par exemple
  

Comment se déroule le Life cycle d’un projet Data ?

Chez Pôle Emploi, les projets IA sont structurés en amont, pour être sûr que le métier ressent ce besoin. Avec ces derniers, on affine ensuite les objectifs et les méthodes avec lesquelles on va le mener à bien. Globalement, toutes les idées de projets sont les bienvenues : si jamais je sens d’autres éléments qui peuvent améliorer le travail des conseillers etc.

Ce sont 2 visions complètement différentes sur le métier de Data Scientist qui dépendent du produit de l'entreprise :

• Développer une application publique pour un utilisateur final
• Développer un outil visant à améliorer le travail d’un métier en particulier
  

‍

Vous souhaitez vous lancer dans la data ? Inscrivez vous à notre formations Data Scientist