“J’ai retrouvé une stimulation intellectuelle grâce au big data”

Jean-Marc Sevin est diplômé du Mastère Spécialisé Big Data en 2019. Après 15 ans passés dans le domaine du Web et la gestion de projets digitaux, il a découvert la science des données et décidé d’en faire son métier. Il nous raconte comment la formation suivie à Télécom Paris lui a permis de concrétiser son projet.

Quel était votre parcours avant le MS ?

Diplômé de Télécom Ecole de Management (maintenant IMT BS), j’ai travaillé pendant quinze ans dans le domaine du Web, d’abord dans le développement puis de plus en plus dans la coordination d’équipe et la gestion de projet, pour finalement rejoindre une agence de communication où j’ai développé le pôle digital. J’ai toujours voulu conserver une approche généraliste du domaine, avec un pied dans la technique et une vision méta des projets et structures.

Quel a été le déclic qui vous a décidé à changer de métier ?

J’ai pris la décision de quitter mon poste en janvier 2016 mais je n’avais pas d’envie particulière à l’époque. J’avais entendu parler de big data dans la presse grand public en 2015, mais ce n’est qu’en cherchant vers quelle profession je pourrais évoluer que j’ai découvert la science des données et le métier de data scientist. J’ai commencé à me former par moi-même dans différents domaines pour tester ce qui pourrait me plaire et c’est comme cela que j’ai découvert le MOOC « Fondamentaux pour le Big Data ». J’ai retrouvé une stimulation intellectuelle que je n’avais plus connue depuis très longtemps et quand j’ai commencé à regarder les opportunités professionnelles, j’ai vu que c’était un boulevard qui m’attendait.

Comment et pourquoi avez-vous choisi le MS Big Data ?

Au moment où j’ai identifié que je voulais m’orienter vers ce nouveau domaine, je me suis posé la question de savoir quelle serait la meilleure approche. J’ai commencé par l’autoformation : il existait déjà de nombreuses ressources en anglais, donc j’ai suivi l’incontournable MOOC « Machine Learning » d’Andrew Ng sur Coursera ainsi qu’un programme de plusieurs mois sur edX.

“Me donner le maximum de chances”

Mais je voulais aller plus loin pour confirmer ma démarche, soit avec une certification soit avec une formation longue. Des échanges avec les responsables pédagogiques du Mastère Spécialisé Big Data m’ont convaincu que la reconnaissance de ce diplôme sur le marché de l’emploi français serait le meilleur atout dans ma démarche de reconversion. De plus le programme à la fois très complet et généraliste était très stimulant. J’ai décidé que c’était une période charnière dans ma carrière et que c’était en suivant cette formation longue dans cet établissement que j’allais me donner le maximum de chances.

Quels sont les enseignements qui vous ont le plus marqué ?

Le module « Kit Data Science » est un accélérateur incroyable. En l’espace de 30 heures il y a plein d’informations qui nous sont données dès les premières semaines et on se rend parfois compte un ou deux ans plus tard à quel point elles sont utiles.

“J’ai beaucoup apprécié l’approche pédagogique”

Ensuite les modules de statistique et de machine learning sont indispensables, ce sont eux qui font toute la différence par la suite et nous permettent d’entrer en profondeur dans la compréhension des algorithmes. Enfin, j’ai beaucoup apprécié l’approche pédagogique de la visualisation de données. C’est quelque chose qui ne se trouve pas vraiment dans les livres, on apprend les principes simples de grammaire de la « data visualisation » avec les questions de psychologie et d’interprétation des signes visuels que cela pose.

Comment faites-vous de la science des données dans votre poste actuel ?

Je travaille au CRI, le Centre de Recherches Interdisciplinaires qui couvre trois domaines : la biologie synthétique, les sciences de l’éducation et depuis peu les sciences du numérique. J’y mets en application la data science pour un projet de recherche lié aux sciences de l’éducation. Notre objectif est de mettre en place un outil pour répertorier et classifier les ressources pédagogiques en ligne en s’appuyant sur une ontologie de connaissances. Au quotidien, je fais du data mining (collecte de données), beaucoup de traitement du langage naturel (ce sont des données non structurées, surtout du texte). Je travaille essentiellement avec une base de donnée graphes ce qui m’a conduit à revoir la théorie des graphes. Je fais de l’apprentissage supervisé et non supervisé et un peu de deep learning, quand j’en ai besoin. J’ai la chance d’être le référent IA et big data au CRI ce qui me permet d’échanger avec de nombreux chercheurs et aussi d’apporter mon expertise sur d’autres projets.

En conclusion, quels conseils donneriez-vous à un futur étudiant ?

Je dirais que la motivation est indispensable, il faut être passionné et prendre du plaisir car la charge de travail est importante. Il faut se préparer au moins six mois à l’avance, car après le début des cours on n’a plus le temps de se mettre à niveau. La disponibilité est essentielle pendant les neuf mois de cours, surtout pour les personnes qui se sont éloignées depuis longtemps de l’enseignement. Enfin, il faut être ouvert et collaboratif : on travaille beaucoup avec les autres étudiants, notamment pendant le « projet fil rouge » qui est un aspect très important de la formation.

MS Big Data Telecom Paris