Le big bang du big data !

Le big bang du big data !

Inconditionnel de la data, Charles Dadi est le fondateur de Factonics, spécialiste de l’Intelligence Artificielle dans le secteur de la beauté et de la mode. Passé par les bancs de Centrale Paris, cet amoureux des chiffres a fait d’abord ses classes au sein de Natixis avant de rejoindre Ekimetrics en tant que lead data-scientist. Toujours à l’affût des dernières innovations, ce dernier est également co-Directeur scientifique du Mastère Executive Data Strategy à MediaSchoolExec. Rencontre avec un passionné des données.

Charles, explique-nous, comment es-tu tombé dans l’univers de la donnée ?

Mes études en finance quantitative et en mathématiques appliquées ont été mon premier contact avec l’analyse de données. Après des études, et une première expérience en finance, j’ai eu envie de découvrir le potentiel applicatif du Machine-Learning dans d’autres secteurs d’activité. J’ai rapidement aimé l’impact stratégique que peut avoir la donnée et l'algorithme au sein d’une entreprise.

Comment expliques-tu l’engouement actuel sur le big data ? Buzz word ou intérêt durable ?

Je pense que nous sommes assez avancé à présent sur le cycle du hype. Le terme Big data soulève immédiatement une “alerte au buzz word “ à l’esprit de nombreux professionnels. La plupart des professionnels commencent à faire la part des choses. Après quelques années d’expérimentation en tout genre, le pragmatisme s’installe dans l’esprit des entreprises. Le travail de vulgarisation et de pédagogie ont permis une structuration du marché et tendent à laisser de moins en moins de place aux solutions miracles et aux vendeurs de rêves. Le Big data n’est plus tant une course à la volumétrie et à la puissance machine que de moyen pour changer la manière dont on aborde un problème. Il n’en reste pas moins que l’utilisation de la donnée ouvre la voie à l’analyse prédictive et à l’Intelligence artificielle qui permettent de transformer en profondeur le modèle d’affaire d’une entreprise. Le challenge des prochaines années sera de permettre à tout à chacun dans l’entreprise d’utiliser les algorithmes afin d’en comprendre les avantages et les limites.

Peux-tu nous présenter quelques cas d’application, par exemple dans l’univers de la mode que tu suis de près ?

Chez Factonics, nous étudions de près les applications qui permettent d’améliorer l’expérience client et de s’adapter aux nouveaux codes adoptés par les millenials. Ainsi, par exemple l’analyse d’images (“computer-vision”) permet d’augmenter la barre de recherche à l’image d’Asos qui vient d’intégrer la recherche visuelle sur son application mobile. Les mêmes algorithmes permettent aussi d’offrir une expérience hyper-personnalisée grâce aux chatbot-personal shopper ou encore d’augmenter la qualité des moteurs de recommandations en modélisant les préférences stylistiques des clients. Ce sont des sujets sur lesquels nous accompagnons les marques et les distributeurs au quotidien.

Les entreprises comprennent de plus en plus les enjeux de la data, as-tu des bonnes pratiques que tu as identifiées ?

Il n’existe certainement pas de grille de lecture universelle en matière de stratégie data. Chaque entreprise possède une relation particulière avec la technologie et la donnée. Toutefois, en matière de best-practices, il semble intéressant de former les équipes de management et les équipes dirigeantes aux enjeux de la donnée, en matière juridique, financier ou encore technologique. Il s’agit de la première étape dans l’optique de construire une stratégie autour de la donnée qui soit cohérente et viable.

L’univers de la data-science évolue rapidement, comment fais -tu pour t’auto-former et rester à la page ?

Le dynamisme de cet écosystème créé une vraie excitation au quotidien. La nécessité d’explorer constamment de nouvelles méthodologies au croisement entre recherche académique et stratégie d’entreprise, oblige à être curieux et ouvert d’esprit. De plus en plus de ressources existent. Ainsi je répartis mon temps de veille à faire des compétitions de data scientist sur le site Kaggle, permettant de se challenger face aux data scientists du monde entier ou bien à fréquenter les meet-up parisiens autour de la thématique.

Quelles sont selon toi les qualités d’un bon data scientist ?

Avant tout une solide expertise technique et scientifique permettant de garder une hauteur de vue face à des problématiques parfois très opérationnelles. Il faut être capable de garder son objectivité scientifique. Ensuite, une capacité d'adaptation importante, notamment en terme de communication. Le data scientist doit pouvoir échanger sur des points techniques précis avec ses pairs et également discuter de la big picture avec ses managers.

Quels conseils donnes-tu à un jeune souhaitant suivre tes pas ?

Ne séchez pas vos cours de statistiques ! Apprenez les statistiques. C'est le meilleur conseil que je puisse offrir. Beaucoup trop de personnes débutent dans la Data science directement sur des sujets de Machine Learning. Or, les statistiques sont à la base de ces algorithmes et restent indispensables pour une bonne compréhension. Un background solide en statistiques et en probabilité permet de comprendre en profondeur la construction des modèles et les choix opérés. De plus, c’est la clef pour effectuer un travail de conception / d’expérimentation robuste. Je suis souvent surpris en entretien de la capacité de bon nombre de personnes de me parler du Deep-Learning mais qui sont incapables de me décrire le fonctionnement d’une régression linéaire de base ou de la manière de séparer proprement un jeu de données de test.

Envie de créer une data-stratégie pour ton entreprise ou encore le voile sur les nouveaux métiers de la data, découvre les parcours de formation habilement construits par l'expert Charles Dadi, ici et ici.Il est temps de lever le voile sur l'univers du big data