Data et IA : quelles compétences pour réussir ?

 

 

Pourquoi est-il essentiel de se former à l’intelligence artificielle dès aujourd’hui ?

Quels seront les emplois vacants d’ici à 2022 ? Quelles compétences mobilisent-ils et comment s’y former ?

Faut-il forcément être ingénieur ou développeur pour bien travailler avec de l’IA ?

L’IA : est-ce une bonne opportunité pour se reconvertir ?

Quels sont les profils à recruter quand on veut lancer son projet dans l’IA ?

Pourquoi est-il essentiel de se former à l’intelligence artificielle dès aujourd’hui ?

L’intelligence artificielle est le nouveau domaine de compétences recherché par nombre de responsables des ressources humaines. C’est un projet professionnel qui est fortement synonyme d’embauche. Et pour cause, les emplois proposés dans l’intelligence artificielle sont nombreux mais les professionnels dotés des bonnes compétences sont rares. En effet, les développeurs informatiques traditionnels ne sont pas forcément tournés vers l’IA. Même s’ils peuvent concevoir et structurer une base de données, ils ne sont pas forcément capables d’assembler un modèle d’apprentissage. Les compétences visées sont doubles. Sans être forcément développeur, il faut être à la fois axé data, mais aussi bien connaître les disciplines de l’IA comme le machine learning.

On estime, que d’ici à 2022, 30 % des emplois liés à l’intelligence artificielle et à la data seront vacants en raison d’une pénurie de talents. Data scientists, développeurs en IA, data miners, data analysts… ces métiers commencent à fleurir dans de nombreuses entreprises, mais les compétences pour réaliser ces nouvelles missions ne sont pas toujours au rendez-vous. Il est donc urgent de proposer dès maintenant des parcours en formation initiale, mais aussi en formation continue. Car au-delà des formations initiales, des métiers semblant éloignés de la technologie – comme ceux de radiologue, médecin ou cadre supérieur – vont devoir s’acculturer.

“73% des Français ont une bonne image de l’IA”

D’après le baromètre sur la notoriété et l’image de l’IA que nous avons réalisé avec l’Ifop en novembre dernier, 73 % Français en ont une bonne image. Mais ils sont 62 % à déclarer qu’ils aimeraient y être sensibilisés. À l’heure actuelle, nous menons donc de nombreuses actions pour familiariser les jeunes. Nous avons notamment lancé avec Unis-cité, un opérateur du service civique, un service du citoyen numérique. 226 jeunes de 18 à 25 ans qui veulent donner de leur temps, ont choisi d’être formés à l’IA et vont à la rencontre des enfants dans les écoles. On compte sensibiliser entre 50 000 et 100 000 enfants cette année grâce à cette initiative. Et d’ici à 3 ans, 3 millions d’enfants sur l’ensemble du territoire.

Quels seront ces emplois vacants d’ici à 2022 ? Quelles compétences mobilisent-ils et comment s’y former ?

D’abord, nous aurons besoin de data scientists pour concevoir les algorithmes d’IA. Ce sont des métiers d’ingénieurs. L’École normale supérieure ou CentraleSupelec entre autres, ont ouvert de nouveaux cursus et masters liés à la data. Ils sont bien sûr destinés à des étudiants excellents en mathématiques. À l’issue, les diplômés sont en mesure de comprendre, de modéliser, de produire des algorithmes.

Chez Microsoft, nous avons conçu des contenus gratuits, qui donnent accès à des certifications. Ils sont disponibles en ligne, sur la plateforme EdX ou sur MS Learn et Microsoft Professional Program. Ces programmes sont plutôt à destination des ingénieurs, des développeurs et des étudiants en informatique. Ils requièrent en effet des connaissances de base sur la programmation. Mis à disposition de tous, ces contenus sont également accessibles aux écoles, qui peuvent les exploiter si elles le souhaitent. Nous avons aussi monté un partenariat avec Open Classrooms qui crée un parcours diplômant niveau master en data science. Via cet accord, les partenaires s’engagent à créer 1000 emplois entre la France et les US. Dernièrement, nous avons également annoncé un partenariat avec General Assembly (filiale d’Adecco). Celui-ci est destiné à former 15 000 personnes qui sont déjà dans la vie active, d’ici à 3 ans.

“Les entreprises vont avoir besoin de l’intelligence artificielle.”

 

Mais nos entreprises auront aussi besoin d’artisans de l’IA : des professionnels qui sont en mesure d’utiliser des algorithmes d’IA déjà développés. En effet, chaque projet ne nécessite pas de repartir d’une feuille blanche Des éditeurs comme Microsoft proposent en effet des IA pré-entraînées, des briques de base, qu’il suffit d’assembler pour concevoir des outils efficaces. Par exemple, sur Azure, nous proposons des services cognitifs. Il en existe une trentaine autour de la vision, qui reconnaissent des objets dans des images, le sentiment de la personne sur une photo. D’autres peuvent analyser un texte et ses anomalies… Pour utiliser ce type de services, nous devons former de bons développeurs en IA.

Pour ce public spécifique, nous avons donc lancé des formations en ligne gratuites baptisées « comment utiliser les services cognitifs ? ». Mais nous permettons également à des personnes parfois très éloignées du numérique de venir se former. C’est ce que faisons par exemple à l’École de l’IA, en partenariat avec Simplon. En 7 mois, ils acquièrent des compétences qui les rendent employables dès la sortie. Notre première promotion compte 240 personnes. La deuxième compte 80% de femmes avec parmi les étudiants, un ancien pâtissier ou un professeur de sport… Nous avons pour objectif d’en ouvrir une vingtaine d’ici à fin 2020 dans les territoires.

Lire aussi Notre entretien avec Louise Joly, directrice de l’Ecole IA

Faut-il forcément être ingénieur ou développeur pour bien travailler avec de l’IA ?

Non, bien sûr. En revanche, tout le monde sera amené à travailler avec de l’IA et cela implique quelques apprentissages. Par exemple, nous allons utiliser des outils de prise de notes qui seront en mesure de faire un compte-rendu, voire un résumé, d’une conversation ou d’une réunion.

Pour bien travailler avec l’IA, il n’est nul besoin d’être développeur. Les projets d’intelligence artificielle se nourrissent de données. Sans être expert en bases de données, il est quand même utile, voire nécessaire d’avoir suivi une formation ou exercé différentes fonctions liées à la data. L’une des plus courantes consiste à transformer les data brutes en base de données. Les méthodes numériques pour exploiter des bases de données doivent être maîtrisées : il faut savoir analyser les données pour favoriser le développement d’applications. En effet, savoir développer une base de données est une des activités de base pour les applications de l’IA.

L’informatique basée sur l’IA nécessite aussi des compétences spécifiques. Les applications comme celles du deep learning reposent sur l’analyse de données afin d’en extraire certaines caractéristiques et en sortir un modèle capable de généralisation. Il faut donc pouvoir effectuer le développement et interroger ces modèles issus du machine learning. 

Cela implique deux choses. D’abord, nous allons tous devoir apprendre à utiliser ces outils, à les manipuler, à les entraîner les modèles de machine learning. Pour analyser les besoins et mettre au point des expériences, une connaissance minimale de l’algèbre linéaire est requise. Même si les maths ne sont pas votre métier, une remise à niveau avec une bonne révision de vos cours de statistiques est bien utile. Comme l’IA est en évolution permanente, comme à l’école, on est en constant apprentissage et il est essentiel de se forger un programme de formation permanente pour intégrer de futurs emplois relativement exigeants intellectuellement. Microsoft propose d’ailleurs de nombreuses formations et certifications de tous niveaux aux métiers des bases de données et de l’IA. 

Ensuite, en termes de compétences, nous devons réfléchir à notre complémentarité avec ces machines. Car si, pour la partie analyse, l’IA est plus performante, l’humain est imbattable en matière d’empathie, de communication, de résolution de problèmes humains… Aux entreprises de faire monter en compétence leurs collaborateurs, pour qu’ils développent leurs soft skills (qualités comportementales, très spécifiquement humaines NDLR).

Par exemple, les métiers d’opérateurs sont aujourd’hui en grande partie automatisables. Vont-ils pour autant disparaître ? Je ne le crois pas : ces collaborateurs auront tout simplement plus de temps à accorder à l’accueil des clients ou aux sujets complexes.

“Les dirigeants doivent s’emparer du sujet.”

Les populations techniques ont pris conscience de l’enjeu, mais cela n’est pas encore tout à fait le cas des autres branches. Pourtant, former les dirigeants d’entreprises et les managers est aussi essentiel. L’IA aura en effet des conséquences sur les métiers, la stratégie et la culture de l’entreprise. Ils doivent donc s’emparer du sujet.

D’autant que nombre d’environnement différents, comme Azure par exemple, acceptent des éléments d’IA et des données créés par des applications concurrentes. L’IA est en passe de s’universaliser notamment grâce au standard ONNX créé par Microsoft et largement accepté par ses concurrents et partenaires.

Pour eux, nous avons créé des contenus, en partenariat avec l’Insead, l’AI Business School, pour sensibiliser les décideurs. Ils doivent comprendre ce qu’est l’IA, quelle culture d’entreprise construire à partir de cela, quelle stratégie mettre en place. Le tout en réfléchissant aux enjeux éthiques et sociétaux.

L’IA : est-ce une bonne opportunité pour se reconvertir ?

Compte tenu du potentiel besoin, cela peut être une bonne source d’opportunités. D’ailleurs, nous voyons bien à l’école de l’IA, à Issy-les-Moulineaux, que de nombreux apprenants viennent de secteurs très différents. Ils ont décidé de se lancer car ils ont vu le potentiel de ce domaine. Ils veulent créer eux-mêmes des outils, voire monter leur entreprise.

De nombreux nouveaux métiers devraient se développer : ceux de data scientist et de développeur en IA, que nous avons déjà évoqués… Mais nous aurons aussi de plus en plus besoin de data miners, pour trier les données, de data architects, pour concevoir les infrastructures, de data protection officers, pour garantir la sécurité des données ou de chief ethics officers. La reconversion dans les métiers de l’IA et du data garantit un avenir professionnel enrichissant et prometteur. Que ce soit pour le développement de bases de données ou pour l’utilisation des data pour l’IA de nombreux postes de data scientists sont à pourvoir. Les data transformées en données seront toujours à la source des solutions d’IA. Les data et les données, fortement dépendantes de la sécurité, seront d’ailleurs de plus en plus protégées par l’IA. C’est encore une piste de travail à explorer. On peut s’interroger sur la pertinence de se reconvertir aux métiers de l’IA mais il faut savoir qu’avec une formation sérieuse, les carrières liées aux data et données ainsi qu’à l’IA ont le vent en poupe. Pour tous ces métiers, la compétence essentielle à acquérir sera de savoir apprendre en continu, car les technologies évoluent très vite.

Mais c’est surtout une excellente opportunité pour tout le monde de réfléchir à son propre métier. Des outils vont apparaître, qui vont nous faire gagner beaucoup de temps. À quoi ce temps devra-t-il être employé ?

Par exemple, si je suis radiologue et que j’ai un outil d’aide au diagnostic, je ne vais pas arrêter de faire de l’analyse, mais je serai plus performant. Il faudra aussi que j’apprenne à bien entraîner mon assistant. En revanche, je travaillerai différemment, en passant plus de temps avec mes patients par exemple.

“Nous devons être conscients des enjeux éthiques.”

Il y a aussi des notions d’éthique à intégrer, pour bien comprendre que si on entraîne une IA sur un mauvais jeu de données, on génère des biais par exemple. Tout le monde doit donc être conscient que ces technologies arrivent, et prendre la mesure des dimensions éthiques et culturelles qu’elles impliquent.

Lire aussi Comment rendre l’IA éthique ?

Quels sont les profils à recruter quand on veut lancer son projet IA ?

Avant toute chose, il faut bien anticiper son projet et évaluer sa pertinence, car c’est de lui que tout dépend. Quel résultat en attendez-vous ? Que souhaitez-vous automatiser ? Quel nouveau service souhaitez-vous proposer à vos clients ?

C’est ce raisonnement qui conduira ensuite les dirigeants d’entreprises à se demander s’ils ont besoin de former leurs experts techniques, s’ils doivent recruter des développeurs en IA ou s’ils ont besoin d’un data scientist ou de faire monter en compétence leurs data engineer. Ils pourront alors élaborer leur stratégie de recrutement et leur politique RH de reconversion.

Ensuite, s’il est essentiel de recruter des experts de l’IA (data scientists et développeurs), rien ne pourra fonctionner si certains cadres ne sont pas formés a minima. Pour tous les projets ayant une forte composante métier, un data scientist pourra exploiter la donnée, trouver des schémas, des corrélations, mais il pourra difficilement, seul, trouver des mécanismes et comprendre la pertinence des scenarios dans le contexte métier. En effet, il faut impérativement que les équipes qui produisent les outils et les algorithmes sachent dialoguer avec les métiers et inversement pour tirer toute la valeur de la DATA et de l’IA. Les experts métiers et Data doivent collaborer pour tirer la valeur de l’IA.

Et pour cela, ils doivent comprendre les rudiments du fonctionnement de l’IA. Pour bien fonctionner, une équipe doit partager un jargon commun, c’est la passerelle entre les compétences. Donc les métiers vont devenir plus tech, et les data scientists vont monter en compétence sur la partie métier. Chez Microsoft, nous essayons de le mettre en place pour chaque projet, sur mesure. C’est la raison pour laquelle nous avons des équipes d’experts très spécialisées dans certaines industries.

Lire aussi Les applications de l’intelligence artificielle pour votre business

Les principales compétences pour réussir dans l’IA :

• Mathématiques et statistiques
• Langages de programmation orientés objet
• Éthique et droits appliqués à l’IA
• Visualisation et analyse de données
• Orchestration de gros volumes de données
• Fonctionnement des algorithmes de machine learning
• Apprentissage par renforcement

Questions Fréquentes