data scientist automl

Data Science : les métiers actuels n’existeront plus dans 10 ans

Au fil des années à venir, les métiers actuels de la science des données, comme le rôle de Data Scientist, vont disparaître. Plus précisément, ils seront transformés par l’émergence et la démocratisation des solutions AutoML ouvrant à tout un chacun l’accès au Machine Learning…

Black Friday : -75% sur le stockage à vie 500Go et 2To chez pCloud 🤑

A l’heure actuelle, les métiers de la Data Science représentent un excellent choix de carrière. Les scientifiques, analystes et ingénieurs des données peuvent trouver du travail très facilement, dans tous les secteurs, et profiter d’un salaire très confortable.

Pourtant, au cours de la prochaine décennie, ces métiers pourraient tout simplement disparaître. Rassurez-vous toutefois : les Data Scientists ne vont pas perdre leur emploi, mais connaître de profondes transformations.

Selon le Bureau of Labor Statistics, le nombre de postes à pourvoir va continuer à croître jusqu’à 2029. Néanmoins, le rôle des professionnels du Big Data va changer totalement au même titre que la façon dont les entreprises envisagent l’analyse de données.

Cette révolution sera principalement liée à l’essor des outils ” AutoML “, permettant d’automatiser tout le processus de Machine Learning de l’agrégation des données brutes à la création d’un modèle exploitable.

Black Friday : -75% sur le stockage à vie 500Go et 2To chez pCloud 🤑

Ainsi, dans 10 ans, les Data Scientists auront toujours pour fonction de donner du sens aux données pour résoudre les problèmes de leurs entreprises. Cependant, leurs compétences et leurs outils seront totalement différents.

Alors que les algorithmes et processus de Machine Learning nécessitaient jusqu’à présent une haute expertise technique, les outils AutoML permettent d’automatiser une grande partie des tâches qui sont confiées aux Data Scientists. De fait, ces experts peuvent concentrer leurs efforts pour guider les entreprises vers des solutions ” data-driven ” à leurs problèmes.

Comment AutoML va transformer la Data Science

De nombreux startups et fournisseurs de Cloud ont lancé des solutions ” clé en main “ suffisamment accessibles pour permettre à de simples développeurs d’utiliser et d’expérimenter le Machine Learning sans disposer du niveau de compétences d’un Data Scientist.

Même des profils non-techniques peuvent utiliser ces solutions pour tenter de créer des solutions aux problèmes de leurs départements. C’est que l’on appelle le ” citizen Data Scientist “.

Parmi les applications les plus populaires, on peut citer Amazon Comprehend, Amazon Lex, ou encore Amazon Forecast par AWS. De son côté, Microsoft Azure propose Azure Speech Services et Azure Language Understanding (LUIS).

Les principaux utilisateurs de ces solutions d’automatisation sont les petites entreprises, ou celles qui n’ont pas les moyens de recruter des Data Scientists. Ces outils sont faciles à implémenter, relativement abordables, et très simples à déployer.

En revanche, il est difficile de les ” customiser “. De par leur manque de flexibilité, de telles solutions ne permettent pas autant de précision qu’un Data Scientist professionnel. Ces plateformes dépendent aussi fortement de données et de modèles pré-entrainés.

Pour les entreprises disposant de larges ensembles de données relativement communes, telles que des données de marketing ou de transactions, une flexibilité accrue est nécessaire. Les solutions AutoML sont alors très pertinentes.

Elles permettent d’automatiser les tâches telles que la découverte de données ou l’analyse exploratoire et de les condenser sous forme de stack configurable. Il est possible pour les développeurs de créer des configurations personnalisées pour exploiter le Machine Learning, et d’ajouter cette technologie à leurs propres produits et projets. Malgré tout, là encore, la précision des résultats sera légèrement inférieure à celle d’un Data Scientist professionnel.

Parmi ces solutions, on peut citer Amazon SageMaker AutoPilot ou encore Google Cloud AutoML. D’ici dix ans, de tels outils feront partie intégrante de la palette du Data Scientist.

Ainsi, au long de la décennie à venir, les outils AutoML vont bouleverser les métiers de la Data Science. Le Machine Learning sera accessible à tous, et les Data Scientists feront davantage office de guides pour leurs organisations…