Science des données

La science des données est un domaine

interdisciplinaire qui utilise les mathématiques, les Science des données
statistiques, le calcul scientifique, les méthodes
scientifiques, les process, les algorithmes et les
systèmes informatiques automatisés pour extraire
et extrapoler des connaissances à partir de grandes
quantités de données brutes structurées ou non
1, 2, 3
.

Elle est souvent associée aux données massives, à

l'analyse des données, aux techniques
d'apprentissage automatique comme le Machine
Learning et le Deep Learning. Les différentes disciplines de la science des données.

Partie de Science

Rôle de la science des données Pratiqué par Scientifique de données (en),

architecte de données
La science des données permet de produire des Objet Donnée
algorithmes et méthodes d’analyse de grandes
masses de données afin d’en extraire des informations et de réaliser des modèles et prédictions utiles.
4
Pour cela, elle se met en œuvre selon les étapes suivantes :

Bien comprendre et définir l'objectif et problème à résoudre

Elaborer des stratégies d’analyse des données,
Recueillir, explorer et analyser les données par la fouille de données et l'analyse
exploratoire des données,
Préparer les données : par le nettoyage et le formatage,
Créer des modèles avec les données à l'aide de différentes méthodes et algorithmes tels:
les modèles d'Apprentissage automatique,
les modèles d'Apprentissage profond,
Aider au déploiement et à l'exploitation des modèles et de leurs résultats:
sous forme brute
sous forme de visuels comme des tableaux de bord
sous forme d'application ou d'outils d'aide à la décision.
De plus, la science des données s’enrichit constamment grâce à l’évolution des outils et technologies,
comme les plateformes de cloud computing, qui permettent de traiter des volumes de données toujours
plus importants. Cette progression ouvre de nouvelles perspectives dans des domaines variés tels que la
5
santé, la finance, l’environnement et bien d’autres secteurs où l’analyse des données joue un rôle clé .
L'expert en science des données, aussi appelé data scientist, peut réaliser ces missions seul ou en équipe
pour être plus efficace, avec la participation:

d'un expert métier qui a les connaissances métier et terrain pour définir le problème a
analyser et résoudre,
d'un ingénieur de données qui recueille, et prépare les données et leur disponibilité,
d'un architecte informatique qui supervise les processus et l’infrastructure sous-jacents,
et d'un développeur d’application qui déploie les modèles ou résultats de l’analyse sous
forme d'application.

Histoire
6
Le terme de "donnée" est défini depuis 1840 comme un outil de raisonnement et de démonstration .
L'apparition et le développement des bases de données et d'internet entre la fin du 20ème siècle et le
7
début du 21ème ont favorisé l'émergence des sciences de traitement de la donnée . La science des
données répond ainsi à la complexité croissante et au volume en croissance rapide du nombre de données
numériques disponibles dans le monde, d'où l'intérêt grandissant pour les "données massives".

Par ailleurs, La croissance exponentielle des capacités de calcul et la facilitation de l'accessibilité aux
technologies de l'information ont permis le développement d’algorithmes plus efficaces et plus complexes
ainsi que la simplification de techniques statistiques, connues depuis longtemps mais dont le déploiement
7
n'était pas pratique ou trop coûteux .

L'essor de techniques d’apprentissage automatique et d’intelligence artificielle a également participé à la

croissance de cette discipline et à son ouverture vers de nouveaux champs, surtout grâce à son importance
8
économique pour augmenter la consommation et la productivité . Par exemple, l'analyse prédictive, le
traitement automatique des langues ou la vision par ordinateur, en passant par l’analyse statistique pure
de données fortement structurées à l’analyse de données semi-structurées (XML par exemple) pour
9
notamment mettre « en correspondance des bases de données et de données textuelles » .

Domaines d'utilisation
Parmi les plus grands utilisateurs de la science des données figurent (par ordre alphabétique)

Aéronautique Médias (ex : journalisme de données) &

10
10 loisirs
Automobile
10 Météorologie
Agriculture
10 Moteurs de recherche
Assurance 10
Services (industrie des services)
Banque & finance, dont "Trading 10
10 Santé publique (ex : épidémiologie,
financier"
10 toxicologie, écotoxicologie...)
Distribution 10
TIC, télécommunications
Econométrie, économie
10 Tourisme
Énergie
11 Transport
Géographie
10 Urbanisme, villes intelligentes, smartgrid
Industrie manufacturière
Publicité
commerce électronique
 Environnement Climat

Compétences métier
Distincte de l’analyse métier et de l’ingénierie des données, la science des données va plus loin que
l’analyste de données, notamment par l'utilisation de l’apprentissage automatique. Un maître en science
des données est quelqu'un qui peut utiliser des méthodes, outils et technologies adaptées au traitement des
12
données pour extraire des observations utiles à partir de données confuses .

Pour cela, il doit être rigoureux, mais curieux et créatif, capable de trouver les données les plus adéquates
pour une question et avoir une pensée structurée lui permettant de décomposer et organiser les questions
13
et les processus .

Il doit savoir manipuler et nettoyer les données et les préparer dans un format adapté à l’analyse. Il doit
13
aussi maitriser les sciences des données qui nécessitent une expertise pluridisciplinaire . Son expertise
recouvre les domaines scientifiques, méthodologiques, statistiques (maitrise des statistiques descriptives ;
moyennes, médianes, variance, déviation, distributions de probabilités, échantillonnage, statistiques
inférentielles, etc.), des outils d'ingénierie logicielle du domaine (ex. SAS, R), de l'algorithmique de
l'apprentissage automatique, de l'apprentissage profond. Pour déduire des tendances prospectives
probables et de bons modèles prédictifs, il peut également s'appuyer sur des bibliothèques (ex. :
TensorFlow, Keras, PyTorch). Évidemment, ces découvertes s'appuient autant sur les données du passé
que du présent. Il doit maîtriser au moins un langage de programmation (Python, R, Java, Julia, Perl ou
13
C/C++) et un langage de requête de base de données (SQL) . Le scientifique de données doit aussi
maîtriser les questions de régression et de classification, d'apprentissage supervisé ou non supervisé. Il
doit aussi avoir de solides compétences en droit des données et une maitrise des aspects éthiques et
sociaux, notamment concernant la confidentialité, l'anonymisation, la sécurité des données sensibles
13
(données personnelles et de santé notamment) .

La maîtrise de la plateforme Hadoop, d'outils de traitement (ex. Hive, Pig...), d'outils d'infonuagique (ex
Amazon S3) et la gestion de données non structurées (ex. données issues des réseaux sociaux, de flux
vidéo ou audio) est un avantage et peut être requise par certains employeurs. Des notions d'intelligence
13
artificielle sont de plus en plus requises (réseaux de neurones artificiels, etc.) . In fine, le scientifique de
données doit idéalement aussi être pédagogique, notamment par la maîtrise de la visualisation de
données, et il doit être en mesure de déployer les modèles d'apprentissage automatique qu'il a mis au
13
point (c'est-à-dire les rendre utilisables par des non-spécialistes) . En rendant les modèles utilisables par
les non spécialistes, le scientifique de données crée un « produit de données » (Data product). Celui-ci
peut être une application sur un portable ou une application web. Les utilisateurs de R développent
généralement leurs produits de données sur Shiny.

Selon Le Big Data 88 % des scientifiques de données ont au moins une maitrise (master) et 46 % un
doctorat. Parmi ces scientifiques de données, 32 % proviennent du domaine des mathématiques et des
13
statistiques, 19 % des sciences informatiques et 16 % d'écoles d’ingénieurs .
Selon le classement des 25 ou 50 « meilleurs » métiers du monde fait aux États-Unis par le site de
recherche d’emploi Glassdoor, celui de data scientist arrivait en tête, devant les « ingénieurs DevOps » et
13
les « Data Technicians » .

Évolutions attendues du métier

Gartner Inc. estime que [réf. souhaitée] plus de 40 % des tâches du scientifique des données seront
rapidement automatisées (avant 2020) [réf. obsolète], ce qui devrait favoriser une augmentation de leur
productivité, mais aussi l’apparition de « citoyens scientifiques de données » (citizen data scientists en
anglais) et d’approches collaboratives (ex. Wikidata, Wikipédia).

Des questions éthiques et de démocratie se posent avec les vols massifs de données personnelles ou les
usages manipulateurs de données. Un exemple d'usage qui pose des questions éthiques et qui peut
influencer la démocratie est celui du scandale de Facebook et Cambridge Analytica/AggregateIQ. Un
usage douteux, voire illégal, de données massives d'utilisateurs de réseaux sociaux a été utilisé au profit
de quelques candidats (ex. Donald Trump en contexte d’élections aux États-Unis) ou d’idéologies (ex. en
faveur du parti du Brexit lors du référendum sur l’appartenance du Royaume-Uni à l’Union européenne).
Des conséquences peuvent s’ensuivre, notamment dans le contexte du Brexit où le Royaume-Uni a
finalement quitté l’Union européenne. [réf. souhaitée]

Salaires
Selon Glassdoor, le salaire annuel d’un scientifique de données est en moyenne de 116 840 dollars et fin
janvier [Quand ?] Glassdoor estimait à 1 736 le nombre d’offres d’emploi. Le salaire annuel moyen d’un
scientifique de données américain serait de 110 000 dollars, tandis qu’en France il serait entre 45 000 et
50 000 euros [réf. nécessaire]. Malgré l’apparition de nombreuses formations, les employeurs peinent encore
14
à trouver des profils assez qualifiés .

Selon les plateformes de Freelance, le TJM (tarif journalier moyen) pour les "data Scientist" en
freelancing se situe à 570 euros [réf. nécessaire] en moyenne pour les profils seniors et peut aller jusqu'à
1100 euros pour des projets d'envergure et complexes.

Notes et références
1. (en) Vasant Dhar, « Data Science and Prediction », Communications of the ACM, no 12,‎
décembre 2013, p. 64-73 (DOI 10.1145/2500499 ([Link] lire
en ligne ([Link]
act)).
2. (en) « The key word in "Data Science" is not Data, it is Science ([Link]
13/12/12/the-key-word-in-data-science-is-not-data-it-is-science/) », sur simplystats,
12 décembre 2014 (consulté le 25 mars 2015).
3. V. Dhar, « Data science and prediction », Communications of the ACM, vol. 56, no 12,‎2013,
p. 64–73 (DOI 10.1145/2500499 ([Link]
S2CID 6107147 ([Link] lire en ligne ([Link]
[Link]/magazines/2013/12/169933-data-science-and-prediction/fulltext) , consulté le
2 septembre 2015)
 4. « Qu’est-ce que la data science ? ([Link]
n%20data%20scientist%20a%20pour,ces%20mod%C3%A8les%20dans%20des%20applica
tions.) », sur [Link] (consulté le 1er janvier 2024).
5. (en) « Cloud Computing in Healthcare: How It's Used and 17 Examples ([Link]
ticles/cloud-computing-in-healthcare) », sur Built In (consulté le 2 décembre 2024)
6. « Trésor de la Langue Française Informatisé, à l’entrée « donnée ». ([Link]
en/scripts/tlfiv5/[Link]?8;s=2406530880;) », sur [Link] (consulté le 9 mai 2024).
7. Cédric du Mouza, « De l’histoire numérique à l’histoire données ? », Les Cahiers de
Framespa, no 42,‎4 juillet 2023 (lire en ligne ([Link]
4))
8. Jean-Bernard Mateu et Jean-Jacques Pluchart, « L’économie de l’intelligence artificielle »,
Revue d'économie financière, vol. 135, no 3,‎2019, p. 257–272 (ISSN 0987-3368 ([Link]
[Link]/resource/issn/0987-3368),
DOI 10.3917/ecofi.135.0257 ([Link] lire en ligne (https://
[Link]/[Link]), consulté le 9 mai 2024)
9. Stage Recherche-M2 : Mise en correspondance de bases de données etdedonnées
textuelles ([Link]
MR_v2.pdf), encadré par Mathieu Roche (TETIS-Cirad & LIRMM, Montpellier) et Sophie
Fortuno (TETIS-Cirad, Montpellier)
« [Link]
df ([Link]
pdf) »([Link] ([Link]
geniete_MR_v2.pdf) • Wikiwix ([Link]
015/SujetM2Heterogeniete_MR_v2.pdf) • [Link] ([Link]
015/SujetM2Heterogeniete_MR_v2.pdf) • Google ([Link]
[Link]/~mroche/Web/STAGES/Stages_2015/SujetM2Heterogeniete_MR_v2.pdf) • Que faire ?)

10. Abiteboul, S., Bancilhon, F., Bourdoncle, F., Clemencon, S., De La Higuera, C., Saporta, G.,
& Soulié, F. F. (2014). L'émergence d'une nouvelle filière de formation:«d ata scientist s» (htt
ps://[Link]/hal-01092062/document) (Doctoral dissertation, INRIA Saclay)
11. « Data Science Blog ([Link] », sur France Data Science Blog, 2020 (consulté
le 19 juin 2020).
12. « Science des données ([Link] », sur
[Link].
13. +Bastien L, « Voici toutes les compétences nécessaires pour devenir Data Scientist (https://
[Link]/13-competences-necessaires-devenir-data-scientist) », sur [Link],
25 février 2021 (consulté le 9 mars 2021).
14. « Salaire Data Scientist : combien gagne un scientifique des données ? ([Link]
[Link]/salaire-data-scientist) », sur [Link], 3 mars 2021 (consulté le
18 mars 2022).
Voir aussi
Sur les autres projets Wikimedia :
Science des données ([Link]
[Link]/wiki/Category:Data_scienc
e?uselang=fr), sur Wikimedia Commons

Bibliographie
(en) William Cleveland, « Data Science : An Action Plan for Expanding the Technical Areas
of the Field of Statistics », International Statistical Review / Revue internationale de
statistique, vol. 69,‎2001, p. 21-26
Serge Abiteboul, Sciences des données : De la logique du premier ordre à la Toile,
Fayard, coll. « Collège de France », 2012 (lire en ligne ([Link]
(en) Rachel Schutt et Cathy O'Neil, Doing Data Science : Straight Talk from the Frontline,
O'Reilly Media, octobre 2013, 406 p. (ISBN 978-1-4493-5865-5)

Articles connexes
Apprentissage automatique
Big data
Économétrie
Intelligence artificielle
Interopérabilité
Kaggle
Métadonnée
Méthodologie politique
Ontologie (informatique)
Qualité des données
Sociologie quantitative
Visualisation de données

Liens externes
Journal of Data Science ([Link]
CODATA Data Science Journal ([Link]

Ce document provient de « [Link] ».