Data Scientistes : Une Vraie Bulle Professionnelle

Toutes les organisations sont désormais concernées par la transformation numérique de leurs activités. Vendre différemment, promouvoir autrement, animer activement sa communauté de clients, produire de plus en plus individuellement sont quelques uns des nombreux axes de transformation possible.

Avec pour conséquence, ou probablement pour commencement, la nécessité d’engager aussi une grande transformation managériale. Les deux objectifs principaux de la transformation étant à terme l’augmentation des équipes et leur autonomisation dans leurs missions.

Les « managers du futur » devront être capable de créer des conditions de travail motivantes pour tous leurs collègues, tout en les aidant à acquérir en continu des nouvelles compétences d’utilisateurs experts des nouvelles technologies. 

D’une économie où la connaissance incarnait le pouvoir, on a cru se tourner de plus en plus vers une économie des talents. En effet, les premiers à avoir adopté les nouvelles technologies dans leur quotidien ont rapidement dépassé leurs collègues. Ainsi un jeune ingénieur à l’aise avec les premiers outils bigdata a souvent permis bien plus de progrès dans son usine qu’un expert conservateur qui campait sur ses positions historiques.

Mais désormais il est de plus en plus fair que le nouveau pouvoir n’est pas le talent, mais bien la donnée sous forme d’information business. Quand une entreprise maitrise la captation et la valorisation de ses données, elle se retrouve dans une position de gagner rapidement en compétitivité et en intelligence stratégique.

Et la réussite de cette ambition passe par un plan de transformation qui va permettre de standardiser les phases clé au sein de l’ensemble de l’entreprise : tout collecter pour ne pas perdre d’opportunités de progrès, valoriser les données brutes en recalculant les différents contextes d’apprentissage stratégiques pour l’entreprise (notion de jumeaux virtuels) comme les usines, les produits, et les services, et bien sur en bénéficier au maximum grâce à l’utilisation de nouvelles applications spécifiques qui offrent une maitrise rapide et facile de l’IA. 

Alors dans ce contexte de transformation complète de l’entreprise, de son management et désormais de son système d’informations (dont le nom prend enfin tout son sens), comment expliquer l’engouement pour les data scientistes?

Qui peut encore croire que quelques spécialistes de solutions d’exploitation de données open source, d’un code python plutôt utilisé pour prototyper que pour produire des applications logicielles, vont à eux seuls permettre la transformation du système d’information complet de l’entreprise? Quand on comprend que désormais il faut traiter chacune des données brutes auxquelles on a accès comme un actif stratégique de l’entreprise, comment peut-on investir dans des équipes de data scientistes en espérant qu’ils vont nous guider dans les étapes clés de la transformation?

A l’heure de l’automatisation de toutes les tâches, physiques ou intellectuelles, on demande à des artisans talentueux de créer de toute pièces les futurs standards opérationnels de l’entreprise. On ne creuse pas les fondations d’un building à la pelle!

Et si l’opportunité de faire quelques essais, tests ou prototypes pour mieux comprendre quelconque nouvelle technologie existe de temps en temps, il est surtout impératif de comprendre qu’il est illusoire de demander à quelques hommes, si brillants soient-ils, de redévelopper ce qui existe déjà : des applications professionnelles puissantes et performantes.

Doit-on recréer une infrastructure bigdata cyber sécurisée type Azure de Microsoft ou AWS d’Amazon en interne avec quelques briques open source? Doit-on coder cas pas cas toutes les IA spécifiques qui vont nous permettre de régler des problématiques complexes de prédiction ou de prescription? Doit-on faire confiance aveuglément à quelques individus isolés qui sont par essence exposés à des erreurs plus ou moins lourdes de conséquences, ou à des biais cognitifs ou d’interprétations bien humains?

Non, non et non!

La criticité de la  situation ainsi que l’immense opportunité que représente la transformation numérique mérite qu’on engage un travail en profondeur sur la standardisation de traitement de l’actif immatériel précieux que représente les informations contextualisées des entreprises. Les data scientistes vont disparaitre, parce qu’ils sont là pour créer des applications qui existent déjà pour la plupart et qui sont désormais bien plus performantes que tous les prototypes rapides qu’ils pourraient créer.

Afin de garantir la pérennité de son entreprise, il faut concevoir un nouveau système d’information solide et efficace, basé sur les meilleurs solutions applicatives, les seules à mêmes de garantir un niveau de cyber sécurité maximal et une intégrité absolue des informations stratégiques de l’entreprise.

Mieux que le machine learning, l’entreprise learning doit apprendre sur des données qualifiées et maitrisées pour atteindre rapidement sa vision futuriste.