Histoire du scientifique des données : des tables de mortalité à l'IA

Partager cette page

La science des données est l'un des intitulés de poste les plus récents de ce site, posé sur l'un des métiers les plus anciens : transformer un amas de registres en une affirmation sur laquelle quelqu'un peut agir. Le nom « data scientist » ne date que d'environ 2008 ; la discipline sous-jacente remonte à trois siècles de statisticiens comptant, testant et visualisant des preuves.

Deux fils conducteurs traversent toute l'histoire : une lente professionnalisation de l'inférence statistique, des tables de mortalité d'un commerçant londonien aux essais agricoles de Fisher, et un conditionnement bien plus rapide et récent de cet héritage en intitulé d'entreprise, département académique et, brièvement, « sexiest job of the 21st century ».

Where it began

1662Londres, Angleterre

Le mercier londonien John Graunt publie « Natural and Political Observations ... Made upon the Bills of Mortality », une analyse systématique des registres hebdomadaires de décès paroissiaux que Londres tenait depuis les années de peste, d'où il estime la population de la ville et identifie des régularités dans les causes de décès. C'est l'une des premières tentatives connues de tirer des conclusions générales d'un grand corpus de données collectées plutôt que d'anecdotes isolées, et cela vaut à Graunt, commerçant sans formation universitaire, son élection à la Royal Society — la racine intellectuelle à laquelle le nom bien plus tardif du domaine finira par s'attacher.

Timeline

1662Graunt analyse les Bills of Mortality de Londres

John Graunt publie une étude statistique des registres de décès paroissiaux londoniens, estimant la taille de la population et les régularités de mortalité — parmi les premières utilisations systématiques de données collectées pour tirer des conclusions générales.

1908Gosset publie le test t sous le pseudonyme « Student »

William Sealy Gosset, statisticien à la brasserie Guinness à Dublin, publie « The Probable Error of a Mean » sous le pseudonyme « Student » parce que Guinness interdit à son personnel de publier sous son propre nom, introduisant la loi t utilisée depuis en analyse d'échantillons de petite taille.

1925Fisher publie « Statistical Methods for Research Workers »

Ronald Fisher, analysant des décennies de rendements agricoles à la Rothamsted Experimental Station, publie l'ouvrage qui établit l'analyse de variance et le plan d'expérience moderne comme pratique statistique standard.

1933Neyman et Pearson formalisent les tests d'hypothèses

L'article de Jerzy Neyman et Egon Pearson « On the Problem of the Most Efficient Tests of Statistical Hypotheses » donne aux statistiques le cadre moderne pour décider, avec des taux d'erreur quantifiés, si un résultat est significatif.

1962Tukey affirme que l'analyse de données est une science à part entière

L'article de John Tukey « The Future of Data Analysis » soutient que l'analyse de données réelles mérite d'être reconnue comme une science distincte avec ses propres méthodes, et non comme une branche mineure des statistiques mathématiques.

1977« Exploratory Data Analysis » de Tukey popularise le diagramme en boîte

L'ouvrage de Tukey donne aux praticiens des outils concrets — dont le diagramme en boîte — pour comprendre la forme d'un jeu de données à l'œil nu avant d'y ajuster un modèle.

1996Fayyad, Piatetsky-Shapiro et Smyth définissent la « découverte de connaissances »

L'article du trio dans AI Magazine formalise la « Knowledge Discovery in Databases » comme le processus plus large entourant l'extraction de motifs dans les données brutes, dans la vague des années 1990 de formalisation de la découverte de motifs dans les bases de données d'entreprise.

2001Cleveland propose « data science » comme discipline

Le statisticien des Bell Labs William S. Cleveland publie « Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics », proposant des départements universitaires dédiés à la science des données.

2008Patil et Hammerbacher inventent l'intitulé de poste

En constituant des équipes data chez LinkedIn et Facebook respectivement, DJ Patil et Jeff Hammerbacher adoptent indépendamment « data scientist » comme intitulé pour le travail mêlant statistiques et ingénierie que leurs équipes accomplissaient.

2012La Harvard Business Review parle du « sexiest job »

L'article d'octobre 2012 de Thomas Davenport et DJ Patil « Data Scientist: The Sexiest Job of the 21st Century » déclenche une décennie de recrutement massif en entreprise et une vague de nouveaux diplômes universitaires.

The eras

1662–1899

Compter les vivants et les morts

En 1662, le mercier londonien John Graunt publie une analyse statistique des registres de décès paroissiaux de la ville, l'une des premières tentatives connues de tirer des conclusions générales de données collectées plutôt que d'anecdotes isolées. L'astronome belge Adolphe Quetelet prolonge l'idée dans les années 1830 avec sa « physique sociale », appliquant des lois statistiques aux traits humains. Florence Nightingale porte la tradition jusqu'à la persuasion pratique en 1858, utilisant un diagramme polaire des données de mortalité de la guerre de Crimée pour convaincre le War Office britannique que la mauvaise hygiène, et non le combat, tuait la plupart des soldats — devenant au passage la première femme élue Fellow de la Royal Statistical Society.

Photographie de Ronald Fisher, dont les méthodes statistiques sous-tendent la science des données moderne — Unknown author Unknown author · Public domain · Wikimedia Commons

1900–1935

Les statisticiens formalisent l'inférence

Karl Pearson fonde la revue Biometrika en 1901 pour donner un foyer à la jeune discipline des statistiques mathématiques. William Sealy Gosset, statisticien à la brasserie Guinness, publie le test t en 1908 sous le pseudonyme « Student » parce que Guinness interdit à ses employés de publier sous leur propre nom. L'ouvrage de 1925 de Ronald Fisher « Statistical Methods for Research Workers », rédigé en analysant des décennies d'essais agricoles à la Rothamsted Experimental Station, introduit l'analyse de variance et le plan d'expérience rigoureux. Jerzy Neyman et Egon Pearson complètent la boîte à outils en 1933 avec un cadre formel pour les tests d'hypothèses — la machinerie statistique que la science des données héritera presque intacte.

L'ENIAC, l'un des premiers ordinateurs électroniques à usage général, dévoilé en 1946 — The original uploader was TexasDex at English Wikipedia . · CC BY-SA 3.0 · Wikimedia Commons

1936–1969

Arrivée des ordinateurs, et Tukey plaide sa cause

La Seconde Guerre mondiale accélère le calcul à grande échelle, des équipes de « computers » humains aux premiers ordinateurs électroniques à usage général comme l'ENIAC, dévoilé en 1946. Les statisticiens qui avaient passé des décennies à calculer à la main utilisent de plus en plus des machines pour des analyses impossibles auparavant. En 1962, le statisticien des Bell Labs et de Princeton John Tukey publie « The Future of Data Analysis », arguant que l'analyse de données réelles était « mal enseignée » comme branche mineure des statistiques mathématiques et méritait d'être reconnue comme science à part entière, avec ses propres méthodes et sa propre place dans les universités.

Un diagramme en boîte, l'un des outils d'analyse exploratoire popularisés par John Tukey — User:Schutz · Public domain · Wikimedia Commons

1970–1999

Analyse exploratoire et boom du data mining

L'ouvrage de 1977 de Tukey « Exploratory Data Analysis » donne aux praticiens des outils concrets — dont le diagramme en boîte — pour comprendre la forme d'un jeu de données avant d'y ajuster un modèle. Alors que les entreprises accumulent des bases transactionnelles croissantes dans les années 1980 et 1990, une discipline parallèle de « data mining » émerge pour y trouver des motifs ; un article de 1996 d'Usama Fayyad, Gregory Piatetsky-Shapiro et Padhraic Smyth formalise la distinction entre l'extraction de motifs brute et le processus plus large de « Knowledge Discovery in Databases ». L'entrepôt de données d'entreprise, popularisé par les écrits du consultant Bill Inmon au fil de la décennie, donne à ce travail un foyer permanent dans les grandes entreprises.

Illustration conceptuelle de données à grande échelle, matière première de la science des données du XXIe siècle — Jouasse · CC BY-SA 4.0 · Wikimedia Commons

2000–présent

Nommé, titré, surmédiatisé, puis spécialisé

Le statisticien des Bell Labs William S. Cleveland propose « data science » comme nom d'une discipline statistique élargie dans un article de 2001. L'article MapReduce de Google en 2004 et le cadre open source Hadoop qui suit donnent au domaine des outils bon marché pour des données à l'échelle d'Internet. Vers 2008, DJ Patil et Jeff Hammerbacher, en constituant des équipes data chez LinkedIn et Facebook, adoptent indépendamment « data scientist » comme intitulé de poste, et l'article d'octobre 2012 de Thomas Davenport et Patil dans la Harvard Business Review qualifiant le métier de « sexiest job of the 21st century » déclenche une décennie de recrutement massif. À la fin des années 2010, le rôle a mûri au point de se scinder en intitulés plus spécialisés — ingénieur analytique, ingénieur en apprentissage automatique, analyste produit — tandis que l'IA générative commence à automatiser une grande part des requêtes et graphiques routiniers que la fiche de poste originale de 2008 supposait faits à la main.

What this job replaced

Neighbouring trades that no longer exist — absorbed, automated or regulated away.

Computer humain

1880s–1950s

Bien avant les ordinateurs électroniques, des équipes de travailleurs — disproportionnellement des femmes, comme les « Harvard Computers » qui cataloguaient les étoiles à l'observatoire du Harvard College dès les années 1880, et Katherine Johnson, Dorothy Vaughan et Mary Jackson à la NASA, qui calculaient à la main des trajectoires orbitales jusqu'aux années 1960 — accomplissaient le travail mathématique désormais exécuté par des logiciels. Les ordinateurs électroniques ont absorbé ce rôle en une génération après être devenus fiables et abordables.

Opérateur de perforation / keypunch

1890s–1970s

Après le tabulateur à cartes perforées d'Herman Hollerith, construit pour le recensement américain de 1890, les opérateurs de keypunch passèrent des décennies à transcrire des registres papier sur des cartes lisibles par les ordinateurs centraux, une compétence cléricale spécialisée enseignée dans des formations dédiées. Les terminaux à saisie directe rendirent le rôle largement obsolète dans les années 1970 et 1980.

Programmeur de rapports batch sur mainframe

1960s–2000s

Les départements de « traitement des données » d'entreprise employaient autrefois des programmeurs, souvent en COBOL, dont le travail principal consistait à écrire et exécuter des jobs batch nocturnes produisant les rapports imprimés de la direction le lendemain matin. Les tableaux de bord de business intelligence en libre-service et les outils de requête ad hoc permettent aux managers d'extraire leurs propres chiffres à la demande, éteignant presque entièrement cette spécialité dans les années 2000.

Trades that vanished →

Chaque capacité que revendique la science des données — détection de motifs dans de grands jeux de données, inférence rigoureuse, visualisation persuasive — a un ancêtre précis et vérifiable : les tables de mortalité de Graunt, les essais agricoles de Fisher, les diagrammes en boîte de Tukey. Ce qui a changé en 2001 et 2008, c'est surtout le nom et l'emballage, appliqués à un vieux métier nouvellement alimenté par le stockage et le calcul bon marché.

La vague du « sexiest job » de 2012 a déjà en partie tourné : l'intitulé s'est fragmenté en ingénieur analytique, ingénieur en apprentissage automatique et analyste produit, et l'IA générative absorbe les requêtes et graphiques routiniers que la fiche de poste originale de 2008 tenait pour acquises. La discipline sous-jacente — décider de ce qu'une régularité dans les données signifie réellement — semble de nouveau appelée à survivre à l'intitulé de poste.

Métiers proches

Voisins les plus proches sur le profil à six scores — pas seulement le même champ.

🧾

Continuer à explorer

Quelle profession vous convient ? Compare professions Face à face

📊Origins & Evolution

Where it began

Timeline