En quoi consiste votre métier ? 

Un Data Scientist est responsable de la gestion, de l’analyse et de l’exploitation des données pour optimiser les offres et les services d’une entreprise.

Actuellement, je travaille sur un projet de refonte des outils informatiques qui permettent le pilotage des calculs de risques chez Crédit Agricole CIB. C’est d’une part extrêmement sensible car les rapports que nous produisons sont envoyés à des institutions comme la Banque Centrale Européenne (BCE) ; et d’autre part complexe car nous travaillons sur de la donnée volumineuse, autrement dit du Big Data.

Je participe également à des PoCs* (proof of concepts) et à des communautés transverses dont le but est de tester et de valider l’application de nouvelles technologies dans la finance : blockchain, intelligence artificielle, Quantum Computing…

* Les PoCs sont des expérimentations visant à tester une ou plusieurs solutions et d’en démontrer la faisabilité.

Quel a été votre parcours pour devenir Data Scientist ?

J’ai un parcours atypique. Après des études de mathématiques et de sciences cognitives, j’ai travaillé dans les jeux vidéo puis dans la finance pendant une quinzaine d’années comme développeur et chef de projet IT spécialisé dans le trading algorithmique.

J’ai ensuite pris une année sabbatique dédiée à l’obtention d’un master 2 Big Data et je suis revenu chez Crédit Agricole CIB pour travailler sur des projets Big Data en tant que Data Scientist.

Quelles sont les perspectives d’évolution pour un Data Scientist ? 

En fonction des compétences de chacun et des opportunités, il est possible d’évoluer vers des postes de management ou d’experts (en IT ou au sein d’une autre direction) de plus en plus valorisés et demandés.

Faut-il une compétence particulière pour exercer le métier de Data Scientist ?

Un Data Scientist a obligatoirement un « bagage » très solide en mathématiques et en programmation. Dans la Banque, le métier le plus proche de Data Scientist est celui d’IT Quant.

Pouvez-vous nous décrire une journée type ?

Nous travaillons en mode agile et je parlerai plus d’itération type que de journées types. Nous fonctionnons en itérations de 3 semaines pendant lesquelles se succèdent des périodes de planification, d’analyses et d’échanges avec différents métiers, de tests de solution et enfin de mise en production.

Quelles technologies utilisez-vous pour gérer cette complexité ?

Nous ingérons plusieurs Téra octets par semaine dans un data lake Hadoop. Les données viennent de nos systèmes front office (utilisés par les traders) et de nos grilles de calcul via Kafka.

L’analyse décisionnelle se fait dans des cubes OLAP et la data visualisation dans Tableau ou dans des UI développées sur mesure. Enfin, le déploiement continu se fait avec Kubernetes et certaines mises en production se font comme chez Google !

Avez-vous l’occasion d’échanger avec d’autres experts ?

En plus des formations de plus en plus pointues, nous avons plusieurs communautés qui permettent de s’informer, d’échanger avec des experts et/ou de se tenir au courant de l’utilisation des nouvelles technologies dans le groupe.

Nous avons par exemple des communautés Intelligence Artificielle (IA), Machine Learning, Smart Data, Blockchain, Quantum Computing, Dataiku Power BI, etc.

Qu’auriez-vous envie de dire à un étudiant qui souhaiterait rejoindre Crédit Agricole CIB en tant que Data Scientist ? 

Nous avons chez Crédit Agricole CIB des projets stratégiques utilisant des technologies de pointe pour traiter les données financières. C’est un environnement rêvé pour un jeune Data Scientist ou Big Data Engineer.