Si, comme l'a affirmé l'écrivain de science-fiction Arthur C. Clarke, "toute technologie suffisamment avancée est indiscernable de la magie", on a parfois l'impression que la science des données consiste à faire sortir des lapins d'un chapeau. Ce discours est, bien entendu, erroné. C'est la perception de ce que j'appelle la "magie des données", où les gens croient que les données peuvent être injectées à une extrémité de la "machine de la science des données" et que le gadget parfait (la solution aux problèmes de chacun) émergera de l'autre côté.
Dans une large mesure, cela est dû au fait que la grande majorité des gens ne comprennent pas les rouages de la science des données, et lorsque vous abordez les domaines les plus avancés, tels que l'apprentissage profond, même de nombreux scientifiques des données reconnaîtront qu'ils ne comprennent pas les nombreux niveaux de complexité. Mais si vous êtes un scientifique des données, vous en savez (la plupart du temps) assez pour savoir quand vous n'êtes pas à la hauteur. En dehors de la communauté des scientifiques des données, ce n'est pas toujours le cas. Et c'est compréhensible.
C'est en partie notre faute. C'est un club difficile, historiquement difficile à pénétrer pour les "étrangers", et encore plus à comprendre. Les langages de la science des données ont été tenus à l'écart. Tout comme l'Église catholique romaine a choisi le latin ecclésiastique comme langue de communication principale pour contrôler les messages, en particulier au Moyen Âge et au début de la période moderne, nous, scientifiques des données, pourrions être accusés d'actions similaires, bien que ce ne soit évidemment pas à la même échelle et que cela n'ait pas un impact aussi direct sur des populations entières. Mais, tout comme les réformes du XVIe siècle ont permis de libérer le langage, rendant les principes des différentes églises chrétiennes plus accessibles aux masses, la science des données doit maintenant étendre son langage vernaculaire.
Un langage commun nous permettrait de ne plus croire que les scientifiques des données ont des capacités mystiques pour résoudre n'importe quel problème, en faisant passer les données dans un environnement d'IA pour produire les résultats souhaités, comme par magie. Il aiderait les gens à comprendre que la science des données n'est pas une panacée magique.
En fait, si vous voulez vraiment une science des données avancée, l'une des pires choses à faire est d'affecter un scientifique des données à la résolution de problèmes isolés ou ad hoc, car cela cloisonnera la communication en gardant la science des données dans l'arrière-boutique.
La meilleure façon de développer la science des données est plutôt d'exposer les problèmes au niveau de l'entreprise, en comprenant que, si elle est bien faite, la science des données est un sport d'équipe. Des équipes pluridisciplinaires dédiées à des produits ou à des clients permettent d'obtenir des résultats commerciaux supérieurs et de développer une compréhension transversale. Une cohorte composée d'un associé commercial, d'un chef de produit, d'un ingénieur, d'un scientifique des données et de représentants d'autres organisations fonctionnelles clés devrait être enfermée dans une pièce sans interruption pour une réunion des esprits axée sur les besoins et les opportunités les plus importants. C'est là que la véritable magie opère.
Il n'en reste pas moins que le voyageur doit être conscient des signes avant-coureurs. Si, en travaillant avec des clients ou d'autres tiers dans un esprit de collaboration, vous commencez à chercher des solutions explicables à tout le monde, faites une pause. Tout comme un magicien ne limite pas son spectacle à des tours élémentaires, le public comprend que les scientifiques des données ne doivent pas se contenter de solutions facilement explicables. Le fait d'édulcorer délibérément le processus peut avoir pour effet collatéral de fournir une solution moins qu'optimale au problème. Il s'agit d'un équilibre.
Cet équilibre repose sur la confiance des entreprises dans les capacités de leurs data scientists. Nous avons confiance dans le fait que les scientifiques des données partageront notre langage autant que possible, sans pour autant diluer les solutions lorsque les choses deviennent trop techniques, et que nous resterons toujours fidèles à notre discipline.
Cet article a été publié à l'origine sur Média.
