1662 : Scientifique des données cliniques au travail

Un article de la Harvard Business Review de 2012 le qualifiant de « travail le plus sexy du 21e siècle » a déclenché un boom de l'embauche dans les entreprises qui a duré une décennie et des centaines de nouveaux programmes universitaires. Ce boom a depuis mûri : le titre généraliste s'est divisé en ingénierie analytique, ingénierie d'apprentissage automatique et analyse de produits, et les outils d'IA gèrent désormais une part croissante des requêtes, du nettoyage et de la cartographie de routine du travail initial supposé qu'une personne ferait à la main.

Que fait réellement un data scientist clinique au quotidien ? Contrairement à l'image de la « création de modèles d'IA », la plupart du temps est partagé entre l'écriture de requêtes SQL et de code Python pour extraire et nettoyer les données, l'exécution de tests statistiques ou de modèles de formation et la traduction des résultats dans un graphique ou un mémo sur lequel une partie prenante non technique peut agir. Les enquêtes auprès des praticiens placent systématiquement le nettoyage et la préparation des données à environ la moitié ou plus du temps de travail total.

Avez-vous besoin d’un doctorat pour devenir data scientist clinique ? Non, contrairement à la médecine ou au droit, il n’y a pas de licence ni de diplôme unique requis ; un baccalauréat ou une maîtrise en statistiques, en informatique, en mathématiques ou dans un domaine quantitatif connexe est la voie la plus courante, et un solide portefeuille de projets réels compte souvent plus pour les employeurs que le titre exact. Les titulaires d'un doctorat occupent plus souvent des postes axés sur la recherche ou l'apprentissage automatique appliqué.