Les métiers de l’intelligence artificielle et de la data

Préambule

La révolution de l’IA et de la Data est en marche. Elle n’est plus à nos portes, elle a franchi l’entrée et a commencé à s’installer dans nos salons. La question des métiers qui l’accompagnent, et qui accompagneront le monde de demain est donc essentielle : quels sont les métiers de l’IA et de la Data ? Comment s’y préparer ?

Une vieille rengaine ? Certes. Il suffit de quelques clics pour obtenir une profusion de réponses. On vous parlera abondamment de Data scientists, de data ingénieurs, de Data analysts, d’ingénieurs en machine learning, ou même de Data Architects. Plus couramment abordée en anglais, l’IA et la Data donnent le sentiment de n’être réservées qu’aux spécialistes.

Mais alors que faire des questions qui semblent fuser de tous côtés : comment développer une approche business de l’IA, si elle n’est portée que par une approche technique ? Comment penser les conséquences organisationnelles de l’IA en entreprise, si c’est une affaire de spécialistes ? Comment convaincre ceux qui sont « loin de l’IA » qu’elle génère des bienfaits et pas seulement des angoisses ? Comment réconcilier les business units et les métiers avec la recherche et le développement (R&D) ou avec les responsables des systèmes d’information (SI) ? Et plus généralement : comment démocratiser un usage et apprendre de nouvelles compétences s’il est convenu, par avance, que l’on n’y entendra rien ?

Avec la liste des métiers précédents pour postulat, les réponses paraissent hasardeuses. Trois spécialistes de l’IA et de la Data, David Cressey, Frédéric Oru et Boris Yepmo ont accepté de répondre à nos questions relatives à la recherche des métiers de l’IA et de la Data.

Point de vue « Technique » : la Technique c’est tout !

Cette affirmation sonne à l’évidence. En France, en dehors des écoles d’ingénieurs, des écoles spécialisées, des Master de haut niveau, point de salut. Et c’est assez vrai : comprendre l’apprentissage machine, la régression du gradient, la convolution des réseaux de neurones ou la malédiction de la dimensionnalité suppose à tout le moins que l’on comprenne les mots utilisés, que l’on sache ce que signifie « apprentissage », « gradient », « convolution », « neurones », « dimensionnalité » ...

Pas de salut au pays de l’IA et de la Data sans de solides bases mathématique et informatique. Les experts de l’IA ne sortent-ils pas des mêmes écoles ? Des mêmes formations exigeantes ? Des mêmes parcours ?

On dispose même d’une carte pour se diriger aux pays des métiers de l’IA et de la Data1 :

Après lecture de la carte, réactions de nos 3 spécialistes :

Boris Yepmo fût le premier à réagir, pesant ses mots :

« Ce découpage est très spécifique à la Tech. Pour une entreprise qui a une orientation plus business, les fonctions ne seront pas les mêmes ! Les profils ont changé : il faut des connaissances très poussées dans les deux domaines, Tech et business ».

David Cressey, plus didactique :

« Je ne pense pas que cette carte soit erronée. Néanmoins, le domaine étant encore assez immature dans les entreprises non tech-native, je parlerai plutôt d’un écosystème de compétences qui évolue au sein du triptyque : donnée, métier, IT. Les rôles qui sont mentionnés dans ce schéma sont un sous-ensemble de ce que l’on retrouve dans les organisations aujourd’hui mais il est fort probable que ces derniers évoluent rapidement. ».

Mais pour conclure, je ne suis pas certain de saisir l’objectif de cette carte et je recommande de ne pas l’utiliser en l’état ! »

Frédéric Orru acquiesça :

« la carte ne parle que des profils « techniques » de l'IA et la Data. Il faudrait compléter la photo avec les profils d'exploitation informatique de la DSI (gestion des serveurs, des connections, des droits d'accès aux API, intégration au SI ...) et les profils métiers qui travaillent avec les data analystes et les data scientists (mais ce sont des jobs « à la frontière » qui ne sont pas encore totalement cartographiés) et des jobs en devenir comme celui d'auditeur IA, de responsable éthique, ... »

Il existe donc bien une autre carte des métiers, un autre paysage. Il manquait donc quelque chose aux spécialistes techniques de l’IA et de la Data, mais quoi ? Il fallait retourner la question et non plus se demander ce dont on avait besoin d’un point de vue « technique » pour un projet IA, mais ce dont on avait besoin d’un point de vue « business » pour le même projet !

Point de vue Business : la technique n’est pas tout !

« Mais alors, osais-je, d’un point de vue business, que manque-t-il aux spécialistes de l’IA et de la Data ? »

Boris, file droit au but :

« La capacité à imaginer à quoi serviront les projets qui seront mis en place. Ce qui est créé doit être adapté aux besoins du marché. Il est nécessaire d’avoir une vision du marché avant de commencer à produire afin de ne pas réitérer des inventions non adaptées telles que le mug connecté au smartphone. De même pour le véhicule autonome, innovation majeure du secteur des transports : son développement est lié aux institutions locales ou gouvernementales qui devront (re)penser l’écosystème dans lequel rouleront ces véhicules. ≫

David, toujours didactique :

« C’est la mise en relation de ces trois compétences (métier, data, IT) qui permet de créer de la valeur (ROI, efficacité opérationnelle…) au sein des entreprises. Même s’il n’existe pas de modèle préétabli, il est intéressant d’observer qu’un schéma organisationnel de plus en plus répandu est celui d’une filière data science décentralisée. En effet, on estime qu’un data scientist doit se trouver au plus près du métier afin d’en devenir un SME (Subject Matter Expert). Sans cette compétence, il lui est difficilement possible d’apporter le niveau de valeur attendu par le métier.

Il ne faut pas oublier que la data science & l’IA n’ont d’intérêt dans les entreprises que si elles permettent de potentialiser des cas d’usages métiers avec à la clé, du ROI, de l’efficacité opérationnelle, de l’expérience client ou le développement de nouveaux business modèles. Une connaissance intime du secteur, des enjeux et des priorités stratégiques de l’industrie & de l’entreprise sont des atouts indispensables aux data praticiens ».

Frédéric complète :

« Ce que je constate c'est que les spécialistes de l’IA et de la Data manquent souvent de connaissances sur les métiers qu'ils servent et qu'ils ne sont pas toujours très bons pour motiver les opérationnels à travailler avec eux. C'est un problème de fond : pour faire une bonne IA, il ne faut pas simplement de la data, il faut de la data de qualité, représentative de la réalité (en tant qu'échantillon statistique), et dont on maîtrise bien l'origine et la signification ...

Or, ceux qui produisent les données, savent d'où elles viennent et ce qu'elles signifient : ce sont les gens du métier, les opérationnels. Les ingénieurs de la Data ne peuvent pas se mettre entièrement à leur place, mais ils doivent avoir un minimum de compréhension du métier, et une capacité à discuter avec les gens du métier »

Et poursuit :

« Mais j’ai aussi un second point, il concerne la conscience de l'impact de son action. Un ingénieur est généralement passionné par sa technologie mais s'interroge assez peu sur les conséquences sociales ou environnementales de ce qu'il produit.

Or l'IA peut avoir des effets importants sur les emplois, sur le climat (par sa consommation énergétique), sur le comportement des utilisateurs (bulle de filtre dans les réseaux sociaux par exemple) ... Il faut redonner une part plus importante aux "humanités" dans le cursus de formation des spécialistes IA et Data, et je pousserai personnellement pour la philosophie. Lorsqu'on code une IA, on ne code plus vraiment un programme, on code une intention, un objectif. Exemple : l'objectif « retenir l'attention du lecteur » peut amener l'IA à proposer des contenus conspirationnistes, faux mais terriblement attrayants. Est-ce vraiment ce que nous voulons ? »

On pouvait relire le rapport Villani qui avait été l’un des premiers à affirmer : « L’enseignement [de l’éthique de l’IA] est quasiment absent des cursus des écoles d’ingénieurs ou des parcours informatiques des universités, alors même que le volume et la complexité des problématiques éthiques auxquels ces futurs diplômés seront confrontés ne cessent de croître ».

Sans savoir Technique de base : quel avenir dans l’IA et la Data ?

Si le point de vue business est essentiel, « comment se former à ces nouveaux métiers quand on n’a pas de bases en mathématiques ou en informatique ? »

Boris poursuivit :

« C’est tout à fait possible si le formateur s’adapte. Pour qu’un novice acquière des bases de mathématiques (indispensables), il faut le plonger dans des cas concrets de la vie quotidienne ».

Frédéric s’engagea : 

« Sans base informatique ou mathématiques on peut tout de même se former pour comprendre comment fonctionne l'IA. C'est très important de comprendre que ce n'est pas magique et que ça ne peut pas tout faire.

Si on a des bases d'informatique (et plus spécifiquement de programmation algorithmique) : il est assez facile d'apprendre à entraîner des IA qui ont des modèles bien connus, typiquement des réseaux de neurones sur des images. Mais dans pour un usage professionnel il faut que la personne comprenne ce qu'elle fait. Cela demande quelques bases de statistiques, sans toutefois nécessiter un doctorat en mathématiques.

Enfin, si l'on a des bases en mathématiques mais peu en informatique, on comprend tout mais on ne sait rien faire. Ill y a beaucoup d'outils à maîtriser (Linux, Python, librairies de data science, un peu de cloud computing, des outils de big data, des outils de versionning) ... pris isolément ce n'est pas compliqué mais ça fait tout de même beaucoup de choses à retenir ».

David, soucieux de revenir à l’entreprise, précisa :

« il est très utile d’embarquer rapidement en début de projet des personnes capables de construire des business-cases robustes afin d’estimer les gains potentiels liés à un projet d’IA. Ces profils doivent avoir une connaissance intime du métier de l’entreprise mais aussi des notions de finance d’entreprise. Une couche de savoir en tech / IA leur sera nécessaire mais elle peut être acquise rapidement ».

Des nouveaux métiers ? Quels nouveaux métiers ?

Pour conclure et avant de proposer une nouvelle carte, quid des nouveaux métiers liés aux questions de confiance et d'éthique ? Quelle employabilité ? IA et droit, IA et culture, IA et journalisme ... ?

Boris conclut :

« Tous les domaines sont et seront impactés : l’IA préconise déjà nos gouts culturels, l’IA cible l’information journalistique … Elle a, de manière évidente, investi les secteurs de la culture et de l’information. L’IA et les algorithmes sont massivement utilises pour nous recommander des contenus. Aussi, si Le mode consulting est déjà utilisé dans ces domaines, il devrait être nettement confirmé en véritables embauches d’ici 10 ans… »

David a l’amabilité de poursuivre :

« L’éthique se trouve au cœur des préoccupations des entreprises qui envisagent de se développer grâce à l’IA. Cela est d’autant plus vrai lorsque l’on développe des outils d’IA qui interagissent ou ont un impact direct sur les clients d’une entreprise (octroi de crédit, reconnaissance d’image, scoring marketing…).

Pour ce qui est du droit, de la culture et du journalisme, j’estime qu’aucun domaine ne peut se prévaloir d’une insensibilité aux développements de l’IA. Charge aux spécialistes de ces domaines d’embrasser les nouvelles technologies pour les façonner de façon à maximiser le bénéfice pour la société entière plutôt que de laisser quelques géants technologiques leur dicter le futur de leurs spécialités ».

Frédéric termine :

« J'en parlais un peu plus haut, ces métiers sont en devenir. Mon sentiment est qu'il y aura de plus en plus de demande sur le marché, ne serait-ce que pour des raisons réglementaires. Il serait encore difficile, à mon sens, de définir un parcours de formation qui produit des profils spécialisés "IA et droit" "IA et culture" 'IA et journalisme' dès aujourd'hui. En revanche, on peut clairement créer des double cursus en relation avec des écoles de droits, des écoles d'arts, des écoles de journalisme, pour leur apporter une forte culture de l'IA ... et pourquoi ne pas inventer avec eux les bases de leurs métiers futurs ».

Epilogue 

Reprenant leurs propos, on peut imaginer le tableau suivant :

Manipuler les données – au sens mathématique – et les algorithmes est la compétence cœur des métiers techniques.

Comprendre les données - au sens de « savoir d'où elles viennent et ce qu'elles signifient » pour paraphraser Frédéric -, est le cœur de compétence des métiers.

Enfin, évaluer les données – au sens d’en évaluer les enjeux et les impacts d’un point de vue sociétal et réglementaire – est le cœur de métier du DPO ou du « Legal operations officer » ou encore même du responsable RSE.

Avec ce petit schéma, les métiers de l’IA pouvaient se distribuer suivant un triptyque de compétences en lien avec le type d’utilisation des données que l’on cherchait.

Réussir un projet IA c’était donc avant tout associer les compétences de plusieurs acteurs : le cœur de compétence d’un « data scientist » ne sera jamais l’évaluation de la donnée – du point de vue de ses enjeux sociétaux et réglementaires – mais il ne peut faire l’impasse sur ce domaine.

Pour finir, proposons une autre carte, celle des approches pour la réussite d’un projet IA :

On peut se demander ce qu’en penseraient nos trois spécialistes…

Christophe de Beauvais
Conseiller stratégique