Scientifique des données · Détecte des régularités et construit des modèles prédictifs à partir de données — un intitulé de poste né en 2008, fondé sur trois siècles de comptage, de tests et de visualisation des preuves.
L'image populaire du scientifique des données construisant des modèles prédictifs ingénieux est réelle mais incomplète. Enquêtes auprès des praticiens et récits de première main décrivent un métier où trouver, nettoyer et remanier des données désordonnées absorbe plus d'heures que l'étape de modélisation que la plupart imaginent.
Le savoir-faire transmis dans le domaine repose moins sur la mémorisation d'un algorithme précis que sur un scepticisme discipliné : examiner les données avant de faire confiance à un modèle, vérifier si une régularité tient dans des sous-groupes, et savoir quand la réponse honnête à la question d'un décideur est que les données ne permettent pas d'en conclure.
Tests d'hypothèses, régression, et comprendre ce qu'une p-valeur ou un intervalle de confiance affirme réellement — le fondement inférentiel sur lequel repose tout le reste du métier.
Écrire du code assez fluide pour extraire, nettoyer et transformer des données à grande échelle, et non seulement prototyper une analyse dans un notebook qui n'a jamais besoin de tourner à nouveau.
Transformer des données réelles désordonnées — valeurs manquantes, doublons, formats incohérents — en quelque chose qu'un modèle ou un graphique peut réellement utiliser.
Choisir, entraîner et valider un modèle adapté au problème, et savoir quand une simple régression bat un réseau de neurones élaboré.
Traduire un résultat statistique en graphique, note ou recommandation qu'un dirigeant non technique peut exploiter, sans simplifier à l'excès ni noyer l'incertitude réelle.
Comprendre ce qu'une métrique signifie réellement dans une entreprise ou un domaine scientifique précis, pour que l'analyse réponde à la question réellement posée.
Revue des exécutions nocturnes de pipelines et des tableaux de bord de métriques clés, et bref point d'équipe sur les priorités du jour.
Écriture de requêtes SQL contre un entrepôt de données, jointures et remaniement de tables, gestion des valeurs manquantes ou incohérentes — souvent le plus gros bloc d'une journée de travail.
Une vraie pause, et souvent l'occasion informelle de remonter des problèmes inter-équipes avant qu'ils n'atteignent une réunion planifiée.
Construction ou affinage d'un modèle statistique, test de significativité d'une expérience, ou creusement des raisons d'un mouvement de métrique.
Présentation de résultats à une équipe produit ou métier, revue des résultats d'un test A/B, ou défense des hypothèses d'une analyse sous questionnement.
Temps personnel, sauf autour d'un lancement produit ou d'une revue trimestrielle, où les soirées peuvent absorber des demandes d'analyse de dernière minute.
Craft knowledge practitioners actually pass on — not motivation.
Tracer les distributions brutes, nuages de points et résumés simples avant d'ajuster quoi que ce soit — une habitude qui détecte des données cassées, des erreurs d'unité et des valeurs aberrantes qu'un modèle absorberait autrement silencieusement.
Une tendance agrégée peut s'inverser complètement une fois les données scindées par une catégorie pertinente — un phénomène connu sous le nom de paradoxe de Simpson, du nom d'un article de 1951 du statisticien Edward H. Simpson.
Vérifier à plusieurs reprises les performances sur les mêmes données tenues à l'écart, puis ajuster le modèle, fuit silencieusement de l'information de ces données vers le modèle — ne les toucher qu'une seule fois, c'est ce qui garde un résultat final honnête.
Les vrais projets tournent régulièrement autour de 80 % de préparation de données et 20 % de modélisation plutôt que l'inverse — planifier un calendrier sur l'hypothèse contraire est une façon courante de prendre du retard.
Une baseline — parfois une simple règle ou un modèle linéaire — clarifie combien un modèle plus complexe ajoute réellement, et suffit souvent à être mise en production telle quelle.
Une corrélation surprenante est plus souvent un artefact d'une troisième variable cachée qu'une découverte authentique — chercher activement ce qui pourrait l'expliquer avant de présenter un résultat.
Le langage dominant pour la manipulation de données et l'apprentissage automatique classique, avec pandas pour les données tabulaires et scikit-learn pour les algorithmes de modélisation standard.
Le langage de requête pour extraire des données des entrepôts relationnels et cloud — Snowflake, BigQuery, Redshift — où vivent réellement les données de la plupart des entreprises.
L'environnement interactif standard pour l'analyse exploratoire, permettant d'exécuter du code, voir un graphique et prendre des notes dans le même document.
Des outils de tableaux de bord de business intelligence pour transformer une analyse terminée en quelque chose qu'un décideur non technique peut explorer et suivre sans écrire de code.
Contrôle de version pour le code et, de plus en plus, pour les modèles, aux côtés de l'infrastructure cloud qui stocke les données et exécute les jobs d'entraînement à une échelle qu'un ordinateur portable ne peut pas gérer.
Exécuter de nombreuses comparaisons statistiques et ne rapporter que celle qui franchit un seuil de significativité produit des fausses découvertes qui ne se reproduiront pas — un mode d'échec bien documenté connu sous le nom de p-hacking.
Inclure accidentellement une variable qui encode le résultat prédit produit des résultats hors ligne irréalistement forts qui s'effondrent une fois le modèle exécuté sur de vraies données de production jamais vues.
Un modèle d'apprentissage automatique soigneusement optimisé résolvant un problème qu'une simple requête SQL ou une formule de tableur aurait traité tout aussi bien gaspille l'effort et peut manquer la vraie question métier.
Voisins les plus proches sur le profil à six scores — pas seulement le même champ.
Le gardien des livres : héritier d'un métier si ancien qu'il a inventé l'écriture, négociant aujourd'hui avec les logiciels conçus pour l'automatiser.
AI-resistant 35 🗺️Décide ce que l'entreprise doit construire ensuite, et pourquoi — en transformant les besoins clients, les objectifs business et les contraintes techniques en un plan partagé que personne d'autre ne possède vraiment.
AI-resistant 50 💻Écrit, teste et maintient le code qui gère la vie moderne – et est l’une des premières professions à voir l’IA automatiser son propre travail quotidien.
AI-resistant 35 📣Le professionnel qui crée la demande — des murs peints de Pompéi et du mémo « brand man » de P&G en 1931 aux fils d'actualité gouvernés par les enchères de l'ère numérique.
AI-resistant 38 🦾Conçoit les machines qui perçoivent, décident et agissent dans le monde physique — où le vrai défi n'a jamais été l'intelligence, mais le monde lui-même.
AI-resistant 65 💊L'expert des médicaments derrière chaque ordonnance — des premières boutiques de drogues de Bagdad et du mortier de l'apothicaire à la morphine, l'artémisinine et l'officine moderne.
AI-resistant 58Établit et teste les lois mathématiques qui régissent la matière, l'énergie, l'espace et le temps, d'un tableau noir solitaire à un article de collisionneur signé par 3 000 auteurs.
AI-resistant 65 🧬Le scientifique qui étudie la vie elle-même, de Linnaeus nommant les espèces à la main à l'édition de génomes avec CRISPR, testant encore chaque idée sur un organisme vivant.
AI-resistant 64 🧪Le scientifique qui fabrique et mesure la matière — de l'alambic babylonien de Tapputi aux laboratoires robotisés d'aujourd'hui, celui qui décide encore ce que signifie le spectre.
AI-resistant 70 🔭Le scientifique qui mesure l'univers, des tablettes d'argile babyloniennes aux télescopes spatiaux, et qui décide encore aujourd'hui quelle fluctuation dans les données est une découverte.
AI-resistant 70 🧮Des scribes babyloniens aux lauréats Fields et à la démonstration assistée par IA : la profession qui transforme les questions difficiles en certitude permanente, théorème après théorème.
AI-resistant 70