Comment l’IA change peu à peu les métiers IT

Les métiers IT se transforment de plus en plus vite à cause des nouvelles technologies comme l’intelligence artificielle.

Il y a quelques années, voire des décennies, on pouvait démarrer sa carrière en tant que développeur Cobol et finir quasiment sa carrière à ce poste, ou en tout cas, finir sa carrière dans un contexte technique encore centré sur la même technologie (telle que le Cobol). Les langages et les outils DSI évoluaient bien plus lentement qu’aujourd’hui. Depuis les années 90, les langages de programmation, plate-formes et technologies évoluent à un rythme beaucoup plus exponentiel. La conséquence pour les ingénieurs et développeurs est qu’ils changent de titres et de technologies une bonne dizaine de fois durant leur carrière.L’évolution rapide des technologies a forcé les développeurs et ingénieurs à s’adapter et à se former aux nouveautés techniques au fil de l’eau. La veille technique fait désormais partie du quotidien des profils IT de façon naturelle et permet ainsi de s’approprier les derniers concepts et nouveautés.Il y a quelques années, l’arrivée du big data a même doucement causé l’apparition de nouveaux métiers. Les titres de chief data officer, data scientists, data analists, data miners, master data managers, data protection officers viennent peu à peu renforcer les rangs des “consultants décisionnels” et “experts BI” que l’on connaissait auparavant.

Le constat du marché : pénurie des profils “data”

Un petit coup d’oeil sur “LinkedIn” ou sur “Indeed” permet en quelques minutes de constater que la rumeur est vraie! Une pénurie des data scientists et autres profils similaires plombe le marché depuis quelques temps. La cause est facile à comprendre, peu d’écoles forment les jeunes à ces nouveaux métiers alors que les entreprises amorçant leur transformation digitale raffolent de ces nouvelles compétences.Le big data est la nouvelle réalité de l’économie numérique : c’est le nouveau territoire de développement et de création de valeur pour les entreprises.
Il est plus qu’évident que cette tendance n’est pas prête de s’arrêter, les métiers de la “data” s’étendent aujourd’hui vers de nouveaux domaines prometteurs : l’intelligence artificielle et notamment le machine learning en est un bon exemple. 
On en parle depuis un moment déjà des promesses de cette intelligence artificielle, d’abord dans les voitures autonomes, puis dans la finance et la médecine, mais de plus en plus on va voir fleurir des cas d’utilisation dans les entreprises dans lesquelles nous travaillons. Nouvel enjeu majeur de la transformation digitale, les décideurs du Cac 40 s’y intéressent déjà. La conséquence à moyen terme est donc inévitable, des compétences dans ces domaines vont devenir les denrées rares des années à venir. Les métiers de la data science sont aujourd’hui composés d’un mélange subtil entre les métiers de mathématiciens (statisticiens) et les métiers d’informaticiens (codeurs). Certains data scientists ont la double compétence “développeurs” et “statisticiens”, mais ils sont bien évidemment très rares (la majorité ne savent pas développer.). Les équipes data sont donc en général composées à la fois de développeurs, de data analysts et de data scientists afin de couvrir toutes les compétences nécessaires aux développements de projets dits “data”. Naturellement, au fil des années, on prédit déjà des convergences de ces différents métiers, les développeurs devront à terme comprendre et interpréter les besoins des data scientists et maîtriser les concepts et enjeux du machine learning (réseaux de neurones...). A l’inverse, ces derniers devront petit à petit apprendre à écrire du code pour tester eux-mêmes leurs modèles de données.