{"id":5911,"date":"2021-07-30T07:15:48","date_gmt":"2021-07-30T05:15:48","guid":{"rendered":"http:\/\/variances.eu\/?p=5911"},"modified":"2021-07-30T07:49:00","modified_gmt":"2021-07-30T05:49:00","slug":"jeremie-jakubowicz-vp-data-chez-manomano-de-la-recherche-aux-scale-up-un-parcours-dans-la-data","status":"publish","type":"post","link":"https:\/\/variances.eu\/?p=5911","title":{"rendered":"J\u00e9r\u00e9mie Jakubowicz, VP Data chez ManoMano : de la recherche aux scale-up, un parcours dans la data."},"content":{"rendered":"

J\u00e9r\u00e9mie Jakubowicz (2002), VP Data chez ManoMano, a anim\u00e9 pour Ensae Alumni un petit d\u00e9jeuner data-sciences consacr\u00e9 \u00e0 l\u2019IA dans l\u2019e-commerce. A la suite de cet \u00e9v\u00e9nement, J\u00e9r\u00e9mie a accept\u00e9 de r\u00e9pondre aux questions de variances.eu.<\/em><\/strong><\/p>\n

Variances\u00a0: J\u00e9r\u00e9mie, en quelques lignes, peux-tu retracer ton parcours entre ta sortie de l\u2019ENSAE en 2002 et ton arriv\u00e9e dans le secteur de l\u2019e-commerce.<\/strong><\/span><\/p>\n

J\u00e9r\u00e9mie Jakubowicz<\/strong>\u00a0: Le stage que j\u2019avais fait en deuxi\u00e8me ann\u00e9e de l\u2019ENSAE au sein de l\u2019entreprise A2IA, encadr\u00e9 par Xavier Dupr\u00e9 (1999) a jou\u00e9 un r\u00f4le d\u00e9terminant. Il faut se rappeler que l\u2019\u00e9poque \u00e9tait diff\u00e9rente. Le Machine Learning n\u2019\u00e9tait pas enseign\u00e9 \u00e0 l\u2019ENSAE, \u00e0 mon grand regret. Tout le monde s\u2019en fichait pas mal et les Hedge Funds embauchaient \u00e0 gogo. Pour moi c\u2019\u00e9tait clair : pas question d\u2019arr\u00eater les \u00e9tudes en sortant de l\u2019\u00e9cole ; j\u2019avais encore trop de choses \u00e0 apprendre, \u00e0 comprendre, je voulais faire de la recherche. Et j\u2019ai eu la chance d\u2019\u00eatre admis en 3\u00b0ann\u00e9e de l\u2019ENS Cachan : le labo de maths \u00e9tait parmi les plus en pointe sur le traitement des images, et j\u2019\u00e9tais pay\u00e9 pour continuer mes \u00e9tudes ! Un seul b\u00e9mol : il fallait passer \u201cl\u2019agreg de maths\u201d. Autant dire que 2002-2003, ma premi\u00e8re ann\u00e9e \u00e0 Cachan, a \u00e9t\u00e9 studieuse\u2026 J\u2019ai ensuite suivi le master MVA (Math\u00e9matique Vision Apprentissage) : des cours d\u2019une qualit\u00e9 exceptionnelle. Un pur bonheur. Puis tout s\u2019est encha\u00een\u00e9, j\u2019ai rencontr\u00e9 Jean-Michel Morel qui m\u2019a dirig\u00e9 en th\u00e8se sur un sujet de traitement des images num\u00e9riques, la d\u00e9tection des segments de droite. J\u2019ai poursuivi en post-doc au CNES (le Centre National d\u2019Etudes Spatiales) pour appliquer ces techniques aux images satellites et j\u2019ai obtenu un poste de Ma\u00eetre de Conf\u00e9rences dans la foul\u00e9e, en 2008, dans l\u2019\u00e9quipe de stats de T\u00e9l\u00e9com ParisTech. J\u2019y ai d\u00e9couvert de nouveaux sujets passionnants comme l\u2019algorithmique distribu\u00e9e sur les graphes et, en particulier, l\u2019optimisation distribu\u00e9e. Sans le savoir, \u00e0 travers la compr\u00e9hension de ces sujets, j\u2019ai acquis des comp\u00e9tences cl\u00e9s pour l\u2019analyse des donn\u00e9es massives, sujet qui commen\u00e7ait tout juste \u00e0 se d\u00e9velopper gr\u00e2ce \u00e0 deux mots qui faisaient le buzz : Big Data. Enfin en 2011, j\u2019ai d\u00e9croch\u00e9 un poste de type chaire mixte CNRS \u00e0 T\u00e9l\u00e9com SudParis.<\/p>\n

V\u00a0: D\u00e8s 2013, le monde de l\u2019entreprise t\u2019appara\u00eet comme un int\u00e9ressant terrain d\u2019application de la recherche. <\/strong><\/span><\/p>\n

JJ\u00a0<\/strong>: Progressivement, je me suis tourn\u00e9 vers les applications de la recherche, notamment avec Matthieu Cornec (2003) qui venait de rejoindre Cdiscount. Ensemble, en 2014, nous lan\u00e7ons une th\u00e8se CIFRE sur le sujet des moteurs de recommandation. Parall\u00e8lement, nous proposons de cr\u00e9er un cours de 3\u00b0ann\u00e9e \u00e0 l\u2019ENSAE sur l\u2019analyse des donn\u00e9es massives et nous en profitons pour rapprocher le GENES de l\u2019Institut Mines-T\u00e9l\u00e9com. C\u2019est ce rapprochement qui transformera le projet Teralab en projet joint IMT-GENES. Teralab avait pour but de faire conna\u00eetre les outils modernes d\u2019analyse des donn\u00e9es au-del\u00e0 du monde de la recherche et des start-up, le tout dans un cadre s\u00e9curis\u00e9 (donn\u00e9es stock\u00e9es en France, s\u00e9curit\u00e9 renforc\u00e9e, etc). Je prends, \u00e0 temps partiel, la charge de piloter les aspects scientifiques des projets Teralab. Le terme \u201cScience des donn\u00e9es\u201d prend le pas sur celui de Big Data, et c\u2019est tant mieux. En parall\u00e8le, je rejoins le duo Arthur Charpentier[1]<\/sup><\/a>\u00a0(1999) et Romuald Elie (2002) qui est en train de lancer une formation d\u00e9di\u00e9e \u00e0 la science des donn\u00e9es au sein de l\u2019Institut des Actuaires. Ensemble, nous d\u00e9marrons DSA (Data Science pour l\u2019Actuariat) en 2015.<\/p>\n

V\u00a0: En 2017, tu deviens\u00a0directeur des donn\u00e9es de vente-priv\u00e9e.com (rebaptis\u00e9e Veepee en 2019), charg\u00e9 de cr\u00e9er et de d\u00e9velopper l\u2019activit\u00e9 IA dans cette entreprise \u00e0 forte culture marketing produits.<\/strong><\/span><\/p>\n

JJ<\/strong>\u00a0: Quand je re\u00e7ois un appel du DRH de Veepee (vente-priv\u00e9e.com \u00e0 l\u2019\u00e9poque) qui me propose de monter leur \u00e9quipe d\u2019intelligence artificielle, je d\u00e9cide de franchir le pas. La grande majorit\u00e9 de mes projets est d\u00e9j\u00e0 tourn\u00e9e vers l\u2019industrie, et \u00e7a m\u2019int\u00e9resse de comprendre les enjeux propres \u00e0 l\u2019industrialisation. C\u2019est un des plus grands virages que j\u2019ai pris dans ma carri\u00e8re jusqu\u2019\u00e0 pr\u00e9sent et je ne le regrette pas ! C\u2019est l\u2019occasion pour moi de comprendre que, quand on industrialise des projets d\u2019intelligence artificielle, la partie scientifique arrive bien souvent en dernier. Il y a beaucoup d\u2019autres d\u00e9fis \u00e0 relever avant de pouvoir l\u2019actionner. C\u2019est une le\u00e7on d\u2019humilit\u00e9 pour l\u2019ancien chercheur que je suis, mais \u00e7a me semble bien naturel aujourd\u2019hui.<\/p>\n

Le premier d\u00e9fi auquel je dois faire face est celui du recrutement. Heureusement, les cours que je continue de donner m\u2019offrent un lien privil\u00e9gi\u00e9 avec les \u00e9tudiant.e.s, et me permettent de les recruter \u00e0 Veepee. Mais je me rends compte de la difficult\u00e9 qu\u2019il y a \u00e0 recruter les profils les plus exp\u00e9riment\u00e9s.<\/p>\n

Le second d\u00e9fi consiste \u00e0 identifier les bons sujets sur lesquels travailler prioritairement. Et surtout la bonne mani\u00e8re de les aborder : quels livrables et quelle mani\u00e8re d\u2019interagir avec les utilisateurs ? Les \u00e9quipes m\u00e9tiers sont l\u00e0 pour aider, mais on n\u2019\u00e9vite pas quelques \u00e9cueils.<\/p>\n

Le troisi\u00e8me d\u00e9fi est celui du \u201cpackaging\u201d des algorithmes de data science. Pour \u00eatre facilement utilisables, il faut en faire de v\u00e9ritables produits. Il y a une composante logicielle tr\u00e8s forte.<\/p>\n

Enfin le dernier d\u00e9fi est celui de la culture de l\u2019entreprise. Il n\u2019est pas \u00e9vident de faire accepter \u00e0 Veepee que l\u2019intelligence artificielle n\u2019est pas l\u2019ennemie du genre humain, et ne s\u2019oppose ni \u00e0 l\u2019\u00e9motion ni \u00e0 l\u2019expertise. Que c\u2019est un outil parmi d\u2019autres, et que les syst\u00e8mes gagnants sont ceux qui laissent l\u2019humain \u201cdans la boucle\u201d. Il n\u2019est pas non plus \u00e9vident d\u2019amener des r\u00e9flexes de mesure, de quantification, de statistiques dans une entreprise qui mise avant tout sur ses intuitions – d\u2019autant qu\u2019elles ont souvent \u00e9t\u00e9 gagnantes par le pass\u00e9 -.<\/p>\n

V\u00a0: Peux-tu \u00e9voquer quelques grands chantiers sur lesquels le p\u00f4le IA que tu dirigeais chez Veepee a prouv\u00e9 son ROI positif\u00a0?<\/strong><\/span><\/p>\n

JJ\u00a0<\/strong>: Apr\u00e8s quelques ajustements, on a fini par d\u00e9finir ce qui serait nos bons sujets.<\/p>\n

Celui de la personnalisation par exemple, qui \u00e0 lui seul a rentabilis\u00e9 l\u2019investissement de Veepee dans la data science. Il faut avancer vite : en quelques mois, un prototype de moteur de personnalisation est \u201cA\/B test\u00e9\u201d, il est bas\u00e9 sur des principes tr\u00e8s simples et donne de bons r\u00e9sultats. Quelques mois plus tard, une version stable est lanc\u00e9e, elle prend en compte les contraintes exigeantes de la production : r\u00e9pondre en moins de 100 millisecondes.<\/p>\n

Convaincu de l\u2019int\u00e9r\u00eat de se rapprocher des \u00e9coles d\u2019ing\u00e9nieurs et de leurs labos, je monte \u00e9galement une chaire industrielle avec T\u00e9l\u00e9com SudParis et T\u00e9l\u00e9com ParisTech.<\/p>\n

On avance \u00e0 grande vitesse sur d\u2019autres sujets : la mise en production d\u2019un syst\u00e8me de pr\u00e9vision des ventes et de cat\u00e9gorisation des produits. Mais nous sommes stopp\u00e9s net par la fusion des diff\u00e9rents sites europ\u00e9ens de Veepee en un site unique sur lequel tous les algorithmes devront se brancher. C\u2019est une \u00e9vidence \u00e9conomique pour Veepee, il n\u2019y a pas de sens \u00e0 avoir trois plateformes diff\u00e9rentes (vente-privee.com,\u00a0 privalia.com et vente-exclusive.com). Il n\u2019emp\u00eache : c\u2019est un moment compliqu\u00e9 pour les \u00e9quipes qui ne sont pas directement impliqu\u00e9es dans ce projet de migration. Le CTO de Privalia rejoint au m\u00eame moment ManoMano et je le suis.<\/p>\n

V\u00a0: En 2019, tu rejoins donc les \u00e9quipes de Matthieu Cornec (2003), Chief Marketing & Data Officer chez ManoMano comme VP Data de la plate-forme d\u2019e-commerce de bricolage. Quels nouveaux challenges trouves-tu sp\u00e9cifiquement chez ManoMano\u00a0et quels sont les grands chantiers auxquels tu te consacres\u00a0?<\/strong><\/span><\/p>\n

JJ<\/strong>\u00a0: Bien qu\u2019op\u00e9rant dans le m\u00eame secteur, le commerce 100 % en ligne, – les pure players<\/em> comme on les appelle -, l\u2019entreprise ManoMano est tr\u00e8s diff\u00e9rente de Veepee. ManoMano est une place de march\u00e9 dont l\u2019essentiel du trafic provient du moteur de recherche Google. En 2019, il n\u2019y a pas d\u2019app<\/em> ManoMano, qui n\u2019est pas encore un site de destination. L\u2019\u00e9quipe data science de l\u2019entreprise est d\u00e9j\u00e0 constitu\u00e9e avec quelques profils tr\u00e8s pointus. La culture de ManoMano int\u00e8gre la donn\u00e9e en son c\u0153ur, l\u2019algorithme de calcul des montants d’ench\u00e8res pour l\u2019acquisition de trafic a jou\u00e9 un r\u00f4le cl\u00e9 dans la croissance de ManoMano. L\u2019entreprise est convaincue de l\u2019utilit\u00e9 des algorithmes de data science : elle s\u2019est construite en partie gr\u00e2ce \u00e0 eux. De plus, ManoMano a embauch\u00e9 plusieurs profils \u201cdatavores\u201d d\u2019Amazon et de Cdiscount ; deux entreprises qui scrutent les chiffres \u00e0 l\u2019aff\u00fbt des moindres signaux faibles. Chez ManoMano, on tranche les d\u00e9bats avec l\u2019aide des donn\u00e9es.<\/p>\n

Chez ManoMano, je d\u00e9couvre aussi une autre dimension de la donn\u00e9e : la donn\u00e9e comme outil d\u2019influence. Le choix des m\u00e9triques a un impact d\u00e9terminant, suivre une m\u00e9trique plut\u00f4t qu\u2019une autre va pousser le collectif dans une direction plut\u00f4t qu\u2019une autre. Prenons la comp\u00e9titivit\u00e9 par exemple. Si on cherche \u00e0 \u00eatre agressif et syst\u00e9matiquement proposer les produits les moins chers, alors il faudra suivre le nombre – ou le pourcentage – de nos produits qui sont plus chers que chez les concurrents. Et, semaine apr\u00e8s semaine, s\u2019assurer que ce chiffre diminue, ou en tout cas n\u2019augmente pas. S\u2019il augmente, il faudra en comprendre les raisons et essayer d\u2019y rem\u00e9dier. Si on ne cherche pas \u00e0 \u00eatre le plus agressif, mais juste \u00e0 rester dans le \u201cpeloton de t\u00eate\u201d, on pourra suivre le nombre – ou le pourcentage – de produits dont le prix s\u2019\u00e9carte trop de celui de nos meilleurs comp\u00e9titeurs, disons plus de 10 %. En suivant la mauvaise m\u00e9trique pour une strat\u00e9gie donn\u00e9e, on impl\u00e9mente tacitement une autre strat\u00e9gie. La strat\u00e9gie doit dicter la m\u00e9trique, pas l\u2019inverse. Et fabriquer une m\u00e9trique \u201csur mesure\u201d, pour qu\u2019elle serve le mieux une strat\u00e9gie donn\u00e9e, est parfois plus difficile qu\u2019il n\u2019y para\u00eet.<\/p>\n

J\u2019y (re)d\u00e9couvre aussi la science des donn\u00e9es comme outil d\u2019aide \u00e0 la d\u00e9cision, et pas seulement comme outil d\u2019automatisation. Il y a un mariage de l\u2019ancien avec le moderne. Les analyses \u201ctoutes choses \u00e9gales par ailleurs\u201d, les m\u00e9thodes bas\u00e9es sur les jumeaux synth\u00e9tiques sont autant d\u2019outils pr\u00e9cieux qui combinent le Machine Learning et des concepts bien connus des \u00e9conom\u00e8tres. L\u2019inf\u00e9rence causale est un domaine que je ne connaissais pas du tout avant de rejoindre ManoMano. Je regrette d\u2019ailleurs aujourd\u2019hui de n\u2019avoir pas \u00e9t\u00e9 plus assidu dans les cours d\u2019\u00e9conom\u00e9trie pendant ma scolarit\u00e9 \u00e0 l\u2019ENSAE.<\/p>\n

V\u00a0: En regard de tes exp\u00e9riences, quels enseignements aurais-tu envie de transmettre aux \u00e9tudiant.e.s en data science\u00a0qui doivent, pour choisir leur futur secteur d\u2019activit\u00e9, savoir pr\u00e9voir les \u00e9volutions \u00e0 venir d\u2019un monde qui se transforme \u00e0 toute allure\u00a0?\u00a0 <\/strong><\/span><\/p>\n

JJ\u00a0<\/strong>: Je recommande chaudement aux \u00e9tudiant.e.s en data science de s\u2019int\u00e9resser en profondeur \u00e0 l\u2019ing\u00e9nierie logicielle. \u00c7a leur permettra d\u2019\u00eatre capables de prendre en charge l\u2019ensemble de la cha\u00eene qui va du prototypage \u00e0 la cr\u00e9ation de microservices. Elles\/ils pourraient d\u2019ailleurs prendre go\u00fbt \u00e0 ces aspects au point de vouloir en faire leur sp\u00e9cialit\u00e9. Et pourquoi pas, candidater sur des postes de type \u201cData Engineer\u201d ou \u201cMLEngineer \/ MLOps\u201d, qui sont p\u00e9nuriques et le resteront encore pour quelques ann\u00e9es je pense. Les data scientists qui consid\u00e8rent que leur r\u00f4le s\u2019arr\u00eate \u00e0 la preuve de concept (PoC), et qui n\u2019ont pas les comp\u00e9tences ou l\u2019envie pour passer de l\u2019algorithme au produit risquent au contraire de voir les opportunit\u00e9s se rar\u00e9fier. Beaucoup de profils \u00e9quivalent seront d\u00e9j\u00e0 positionn\u00e9s sur le march\u00e9 du travail. Je ne pense pas que le m\u00e9tier de data scientist, au sens fran\u00e7ais du terme[2]<\/sup><\/a>, va dispara\u00eetre. Mais je pense qu\u2019il va changer de nature en allant beaucoup plus vers les aspects logiciels et vers les aspects de design (d\u00e9marche produit).[3]<\/sup><\/a><\/p>\n

Je recommande aux \u00e9tudiant.e.s de l\u2019ENSAE de ne pas faire l\u2019erreur de croire que la science des donn\u00e9es se limite au Machine Learning. La demande en analystes ne risque pas de se tarir, \u00e0 l\u2019inverse de la demande pour les data scientists. Les sujets sont passionnants et en plein essor – l\u2019inf\u00e9rence causale, cf. plus haut, \u00e0 titre d\u2019exemple. Les dipl\u00f4m\u00e9.e.s de l\u2019ENSAE sont particuli\u00e8rement bien plac\u00e9.e.s pour \u00eatre des analystes que les entreprises s\u2019arrachent. Je m\u2019attends \u00e0 un appel d\u2019air pour les m\u00e9tiers d\u2019analystes dans les ann\u00e9es qui viennent.<\/p>\n

J\u2019en profite pour encourager plus sp\u00e9cifiquement les \u00e9tudiantes. Il y a un tel d\u00e9s\u00e9quilibre, qui s\u2019accentue encore dans les postes de management, que certaines entreprises se lancent dans la discrimination positive. En effet, il est maintenant largement accept\u00e9 que le manque de diversit\u00e9 – de genre en particulier, mais pas seulement – nuit \u00e0 la productivit\u00e9 des \u00e9quipes sur le long terme.<\/p>\n

Enfin je recommande aux \u00e9tudiant.e.s de l\u2019ENSAE de ne pas h\u00e9siter \u00e0 prendre des risques. En particulier, pour celles et ceux qui le souhaitent, \u00e0 se lancer dans l\u2019entrepreneuriat. Il y a peut-\u00eatre une illusion d\u2019optique, mais depuis ma fen\u00eatre de quarantenaire, j\u2019ai l\u2019impression qu\u2019il n\u2019y a en r\u00e9alit\u00e9 que tr\u00e8s peu de risques \u00e0 cr\u00e9er son entreprise \u00e0 la sortie de l\u2019\u00e9cole. Les sources de financement sont nombreuses et les r\u00e9seaux d\u2019entraide se multiplient. Si \u00e7a ne marche pas, le temps pass\u00e9 dans cette d\u00e9marche sera hautement valoris\u00e9 par les entreprises. Avec un cr\u00e9dit immobilier et des enfants, ce n\u2019est plus la m\u00eame situation. Ceci \u00e9tant dit, les enfants, c\u2019est pas mal non plus, mais ce n\u2019est pas le sujet.<\/p>\n

V\u00a0: Pour finir, osons un peu de prospective\u00a0: d\u2019apr\u00e8s toi, quels sont les prochains grands chantiers auxquels l\u2019IA apportera toute sa puissance dans l\u2019e-commerce ou dans d\u2019autres secteurs d\u2019activit\u00e9\u00a0?<\/strong><\/span><\/p>\n

JJ\u00a0<\/strong>: Un mouvement important, qui a d\u00e9j\u00e0 commenc\u00e9 et va prendre de l\u2019ampleur, j\u2019en suis persuad\u00e9, est la \u201ccommoditisation\u201d de l\u2019IA. On pourra bient\u00f4t – on peut d\u00e9j\u00e0, en fait – monter son produit IA \u00e0 partir de briques de base d\u00e9j\u00e0 toutes faites, comme on joue aux Lego. C\u2019est un mouvement qui d\u00e9passe l\u2019IA et qui touche toute l\u2019informatique, c\u2019est le \u201cno code\u201d. Sans \u00eatre data scientist, on peut utiliser des produits qui simplifient \u00e9norm\u00e9ment le d\u00e9ploiement des algorithmes d\u2019IA. Je pense par exemple \u00e0 l\u2019excellent produit qu\u2019est Dataiku, qui permet, sans une ligne de code[4]<\/sup><\/a>, d\u2019entra\u00eener et de d\u00e9ployer un algorithme d\u2019IA. Mais les progr\u00e8s touchent aussi les outils pour les d\u00e9veloppeurs. Des librairies telles que Scikit-learn ont jou\u00e9 un r\u00f4le d\u00e9terminant dans l\u2019adoption du Machine Learning en dehors des laboratoires de recherche. De m\u00eame Pytorch et Tensorflow pour le Deep Learning. Les progr\u00e8s continuent, avec, par exemple, Tensorflow Extended ou AWS Sagemaker qui s\u2019attaquent \u00e0 la cha\u00eene de traitement dans son ensemble. Je pense que ce mouvement va s\u2019amplifier et va finir par bouleverser le r\u00f4le du data scientist. J\u2019imagine un avenir proche o\u00f9 on n\u2019aurait plus que des analystes d\u2019un c\u00f4t\u00e9, utilisant des outils tr\u00e8s perfectionn\u00e9s, tirant profit de l\u2019IA quand c\u2019est n\u00e9cessaire ; et des d\u00e9veloppeurs de l\u2019autre, manipulant des frameworks<\/em> holistiques incorporant la partie ing\u00e9nierie et MLOps. L\u2019autoML va continuer \u00e0 prendre de l\u2019ampleur.<\/p>\n

En ce qui concerne le e-commerce, je pense que le domaine est d\u00e9j\u00e0 m\u00fbr. \u00c7a a \u00e9t\u00e9 un des premiers domaines \u00e0 faire un usage syst\u00e9matique de l\u2019IA en production. \u00c7a m\u2019\u00e9tonnerait que les cas d\u2019usages de l\u2019IA, l\u2019analytique mis \u00e0 part, \u00e9voluent beaucoup dans les prochaines ann\u00e9es : l\u2019automatisation de la compr\u00e9hension des produits (cat\u00e9gorisation automatique, qualification automatique), les moteurs de recherche intelligents et personnalis\u00e9s mettant \u00e0 profit les progr\u00e8s spectaculaires dans la compr\u00e9hension du langage, les moteurs de recommandation utilisant pleinement les graphes sous-jacents\u00a0; et, plus g\u00e9n\u00e9ralement, la personnalisation de l\u2019exp\u00e9rience utilisateur, les pr\u00e9visions des flux (si importants pour les dimensionnement des services et de la logistique), l\u2019acquisition de trafic intelligente, le pricing<\/em> dynamique, les robots conversationnels, le score de suspicion de fraude\u00a0; tous ces sujets sont d\u00e9j\u00e0 bien identifi\u00e9s. La seule diff\u00e9rence – de taille – est qu\u2019ils seront, je pense, trait\u00e9s dans quelques ann\u00e9es par quelques lignes de codes \u00e0 partir de puissants frameworks<\/em>. C\u2019est d\u2019ailleurs d\u00e9j\u00e0 le cas aujourd\u2019hui mais avec un dilemme entre facilit\u00e9 d\u2019impl\u00e9mentation vs performance. Demain, ce sera facilit\u00e9 d\u2019impl\u00e9mentation et performance.<\/p>\n

Je connais beaucoup moins les autres secteurs d\u2019activit\u00e9. Je m\u2019aventure le temps d\u2019un paragraphe en dehors de ma sph\u00e8re de comp\u00e9tences. J\u2019ai l\u2019impression que dans d\u2019autres domaines, la sant\u00e9 par exemple, il y a encore des progr\u00e8s spectaculaires \u00e0 faire. Je trouve fascinant les avanc\u00e9es qui ont \u00e9t\u00e9 accomplies dans la pr\u00e9diction de la structure spatiale des prot\u00e9ines \u00e0 partir de la s\u00e9quence d\u2019acides amin\u00e9s qui les composent. Et j\u2019imagine qu\u2019ils pr\u00e9figurent des bouleversements \u00e0 venir. On sent bien aussi que les interfaces Humain-Machine ne sont pas encore \u00e0 leur apog\u00e9e. La robotique et les machines autonomes sont des r\u00e9volutions d\u00e9j\u00e0 enclench\u00e9es. La question de l\u2019\u00e9thique et de l\u2019\u00e9quit\u00e9 est d\u00e9j\u00e0 bien pr\u00e9sente mais les solutions convaincantes ne sont pas encore l\u00e0\u00a0; en particulier pour assurer un brassage suffisant dans les r\u00e9seaux sociaux et lutter contre les fausses informations. Ces derniers sujets, d\u00e9j\u00e0 br\u00fblants en p\u00e9riode d\u2019\u00e9lections, risquent de devenir critiques pour la soci\u00e9t\u00e9.<\/p>\n

Propos recueillis par Catherine Grandcoing<\/em><\/p>\n

 <\/p>\n

Mots-clefs : data – intelligence artificielle – machine learning – analytics – MLOps<\/em><\/p>\n

\n

[1]<\/sup><\/a> Arthur Charpentier est un contributeur r\u00e9gulier \u00e0 variances.eu, voir par exemple http:\/\/variances.eu\/?p=4976<\/span><\/span><\/a><\/em><\/p>\n

[2]<\/sup><\/a> Il est \u00e0 noter qu\u2019outre Atlantique, le terme de \u201cData Scientist\u201d d\u00e9signe aussi bien un.e ing\u00e9nieur.e sp\u00e9cialis\u00e9.e\u00a0 dans le Machine Learning qu\u2019un.e analyste de donn\u00e9es. En France, on a tendance \u00e0 restreindre l\u2019acception au seul Machine Learning<\/em><\/p>\n

[3]<\/sup><\/a> Pour ceux que \u00e7a int\u00e9resse, n\u2019h\u00e9sitez pas \u00e0 consulter des sites comme https:\/\/www.welcometothejungle.com\/fr<\/a><\/span><\/span> ou https:\/\/www.aijobs.tech\/fr\/<\/a><\/span> pour y trouver des exemples d\u2019offres d\u2019emploi<\/em><\/p>\n

[4]<\/sup><\/a> Pour \u00eatre pr\u00e9cis : Dataiku permet aussi de faire du code<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

J\u00e9r\u00e9mie Jakubowicz (2002), VP Data chez ManoMano, a anim\u00e9 pour Ensae Alumni un petit d\u00e9jeuner data-sciences consacr\u00e9 \u00e0 l\u2019IA dans l\u2019e-commerce. A la suite de cet \u00e9v\u00e9nement, J\u00e9r\u00e9mie a accept\u00e9 de r\u00e9pondre aux questions de variances.eu. Variances\u00a0: J\u00e9r\u00e9mie, en quelques lignes, peux-tu retracer ton parcours entre ta sortie de l\u2019ENSAE en 2002 et ton arriv\u00e9e […]<\/p>\n","protected":false},"author":357,"featured_media":5913,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[15,26],"tags":[],"class_list":["post-5911","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-science","category-portraits","et-has-post-format-content","et_post_format-et-post-format-standard"],"_links":{"self":[{"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/posts\/5911","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/users\/357"}],"replies":[{"embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=5911"}],"version-history":[{"count":0,"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/posts\/5911\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/media\/5913"}],"wp:attachment":[{"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=5911"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=5911"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=5911"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}