Datascientist : portrait-robot d’un ingénieur très recherché

Datascientist : portrait-robot d’un ingénieur très recherché

23 mai 2019
datascience datascientist
Lire l'article

C’est l’un des nouveaux métiers émanant de l’ère numérique. C’est aussi l’un des profils professionnels les plus demandés du marché, de la finance à la santé en passant par l’industrie. À la croisée des mondes virtuel et réel, le datascientist a le pouvoir de transformer chaque data en opportunités. Extracteur, analyste et modélisateur des données machine, papier ou vidéo, il est, selon Mehdi Brahimi, Lead Data Scientist chez Assystem, le couteau suisse de l’ingénierie du 21ème siècle. Esquisse d’une profession d’avenir.

Physiquement, on ne saurait distinguer le datascientist d’un autre ingénieur. Ses traits caractéristiques se révèlent d’abord dans ses compétences. Connaisseur d’au moins trois langages informatiques, le datascientist est un codeur. C’est aussi un mathématicien adepte des probabilités et des statistiques. C’est enfin un professionnel éclairé sur le domaine dans lequel il opère. C’est en comprenant les métiers et les process qu’il identifie les données à extraire et y trouve des réponses pour créer des solutions agiles de maintenance, de sécurité ou de productivité.

« C’est une personne couteau suisse des données finalement. Il est à la croisée des mathématiques et de la modélisation, de l’informatique et des métiers de l’ingénierie, que ce soit dans le domaine du nucléaire, des transports ou autres, explique Mehdi Brahimi. C’est pour cela qu’aujourd’hui c’est un métier assez courtisé. Il est aussi plein d’avenir car il permet de transformer de la connaissance empirique en modèles mathématiques, de faciliter le travail de tout un chacun en exploitant au mieux les données, d’extraire des informations de données que l’on ne voit pas immédiatement, ou de mettre en place des modèles prédictifs. »

Scientifique, cyborg et apprenti à la fois

Le parcours à accomplir pour exercer cette nouvelle profession n’est cependant pas tout tracé. Geek à la maison comme au travail, amateur du langage Python, et développeur bénévole de civic tech, Mehdi Brahimi, 29 ans, a commencé par deux années d’école préparatoire, puis trois années à l’École supérieure de mécanique et microtechnique de Besançon (ENSMM), avant de réellement entrer dans l’univers de la datascience durant sa thèse de doctorat.

« À l’issue de ma formation, j’ai été embauché chez Alstom pour y faire du traitement de signal et de données capteurs. Au bout de 8 mois, j’ai choisi de me lancer dans une thèse de doctorat en association avec l’entreprise. Une expérience très enrichissante qui m’a notamment permis de déposer un brevet sur une méthode de diagnostic permettant d’identifier les défauts de caténaires à partir de signaux capteurs et d’algorithmes de Machine Learning, la base pour établir un modèle prédictif d’usure de cet élément d’alimentation électrique des trains », raconte l’ingénieur datascientist.

C’est donc sur le terrain qu’il a mûri son projet professionnel. Une fois sa thèse aboutie, il a travaillé à des algorithmes pour développer la maintenance prédictive au sein d’une équipe d’Alstom, avant d’intégrer Assystem il y a un an. Entreprise au sein de laquelle il pilote une équipe de datascientists pour apporter des solutions basées sur les données à ses clients.

« Les formations existantes donnent le b.a.-ba. Savoir coder, mettre en place des modèles d’apprentissage automatique, comprendre les architectures big data, …et après il y a la troisième partie qu’est le métier. Et là, c’est l’expérience qui parlera et les affinités pour un domaine, assure Mehdi Brahimi. En fin d’études, certaines personnes se débrouillent mieux dans des domaines liés à l’assurance ou au domaine financier, domaines dans lesquels nous retrouvons des modèles avec des données déjà très structurées, contrairement aux données de l’ingénierie. La datascience appliquée à l’ingénierie classique c’est donc aussi un état d’esprit, une manière de réfléchir et de penser. De manière générale, cela suppose une soif d’apprendre en continu ».

L’Industrie : un défi pour le datascientist

Dans le domaine industriel, les données sont multiples et en même temps éparses, ce qui ne facilite pas la mission des datascientists. « On est encore à standardiser la collecte et la structuration des données. Elles peuvent être très aléatoires et parfois disponibles en faible quantité. C’est un véritable challenge car en datascience, plus il y a de données, mieux c’est », souligne Mehdi Brahimi.

Cela n’empêche pas la datascience de contribuer à la construction d’une industrie 4.0. Dans l’ingénierie système par exemple, les professionnels sont conduits à lire des centaines de documents pour répondre aux normes et exigences et concevoir des systèmes règlementaires et fiables. « L’accès et la collecte de ces informations sont donc difficiles et chronophages. Mais grâce à la datascience, et aux outils de text mining et de traitement naturel du langage, on va pourvoir extraire automatiquement de l’information de ces données. Pour ce faire, on va entraîner des modèles qui vont permettre de reconnaître ce qu’est une exigence dans un texte par exemple. À la clé : un gain de temps, l’assurance de ne pas omettre d’exigences, et donc de sécuriser la conception en faisant plus vite et plus efficacement ».

Ce potentiel est aussi vrai dans le domaine de la maintenance industrielle. Grâce au déploiement de l’IoT, le datascientist est aujourd’hui en mesure de surveiller le comportement de plusieurs machines dans le temps. « Il est ainsi possible de créer le jumeau numérique d’un asset, le digital twin, qui va reproduire le fonctionnement de son système et permettre de prédire son fonctionnement au regard de l’environnement dans lequel il se trouve ou de sa fréquence d’utilisation, pour augmenter sa durée de vie, la gérer de manière plus efficace et flexible, et finalement optimiser la chaîne de valeur. Cela permet aussi d’extraire des informations pertinentes pour que les concepteurs améliorent leurs produits. On fait alors du retro engineering ».

Ainsi, partout où se trouve la donnée, les datascientists vont apporter de l’efficacité, de la rapidité, de la fiabilité et une meilleure rentabilité. L’extraction et l’exploration des données, en expliquant le pourquoi d’un défaut de qualité ou d’une panne, ou en optimisant le temps d’un ingénieur, vont finalement permettre de revoir les procédures et process industriels. En ce sens, s’enthousiasme Mehdi Brahimi, « la datascience va augmenter l’ingénieur ».

 

Partager :

Quelque chose à dire ?

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *


Mehdi Brahimi

Lead Data Scientist Assystem

Nos offres
##INCREDIBLENGINEERS

voir plus