Le low code/no code, solution à la pénurie de data scientists ?

Dans un environnement ultra concurrentiel, les entreprises tous secteurs confondus doivent pouvoir s'appuyer sur des équipes dont les compétences sont en phase avec la feuille de route stratégique.

Les équipes de data scientists jouent désormais un rôle prépondérant dans l’organisation interne des donneurs d’ordre dans les entreprises qui ont compris l’importance du traitement de leurs données.

Les équipes de data scientists ne se limitent plus à quelques doctorants, qui exécuteraient des projets de pointe. Désormais maillon central des prises de décision des comités de direction, elles se basent sur la donnée et l’analytique avancée pour créer une stratégie performative, visant à améliorer les produits, les services et les processus. La question du recrutement de ces profils, qui s’est accélérée dans de nombreuses entreprises, est donc primordiale.

Ne partons pas à la recherche de l’employé.e licorne…

Il suffit de se pencher quelques instants sur les offres d’emploi publiées sur LinkedIn pour en avoir le cœur net. Les entreprises sont toutes à la recherche de l’employé.e licorne, capable d’avoir des compétences de pointe en matière de code et d’analytique, fort.e d’un entregent extraordinaire, riche d’expériences professionnelles passées…

En restreignant autant leurs critères de sélection, les organisations se ferment de nombreuses portes et s’astreignent à ne faire appel qu’aux quelques expert.es déjà existant.es et sur-sollicité.es. Avec un impact sur l’organisation du travail, la masse salariale et les performances.

… mais de l’employé.e relevant les défis de l’entreprise

Pour autant, il serait inconscient de “se contenter de”. Les entreprises ont des besoins immédiats, qu’elles doivent relever en jonglant avec trois grandes problématiques :

Dans un premier temps, l’impératif de productivité. Les équipes techniques sont contraintes d’exécuter leurs missions dans des délais toujours plus courts. Quitte, parfois, à ce que le modèle de développement d’un nouveau logiciel ou la mise en place d’une solution d’un système d’information, ne soit pas implémenté.

En parallèle, les entreprises font face à une pénurie de main d'œuvre en matière de métiers spécialisés, de l’ordre de 100 000 personnes dans le seul secteur public en France selon une étude de McKinsey en 2020 ! Le ratio offre-demande est donc désormais inversé et les entreprises n’ont plus le pouvoir en matière de recrutement.

Enfin, et l'urgence de la rétention des talents en est le témoin, la question de la motivation des salariés devient critique. Tout particulièrement dans un secteur comme les nouvelles technologies où les employé.es en poste se font énormément démarcher. Selon la plateforme de recherche d'emploi Indeed, la durée de présence d’un data scientist au sein d’une entreprise est estimée à deux ou trois ans.

Le low code/no code pour pallier les problématiques de recrutement

L’ensemble de ces trois problématiques a des conséquences importantes sur l’organisation. Celle-ci rencontre des difficultés à trouver les compétences nécessaires sur le marché, créant ainsi un déséquilibre en termes de charge de travail et retardant le délai de mise sur le marché des projets. Alors que peuvent faire les entreprises pour éviter de se retrouver dans une telle situation ? S’il existe une multitude de pistes de réponse, l’une d’elles permettrait d’acculturer toutes les couches de l’organisation à la donnée petit à petit : la technologie low code/no code. En effet, les solutions "low code" ou "no code" réduisent le temps de développement et permettent ainsi aux utilisateurs, même sans connaissances préalables en programmation, d'obtenir rapidement des résultats significatifs dans la visualisation et l’analyse de données.

Les entreprises n’ont pas le choix que d’accélérer leur transformation numérique, en démocratisant l’usage de la data science et en maximisant le potentiel de plateformes no-code ouvertes à tous indépendamment du degré de formation des salariés. Là aussi, les outils low-code/no-code peuvent être une réponse au besoin de formations, de mobilité interne ou de reskilling/upskilling de ses employé.es, assumant ainsi l’employabilité de troupes non techniques qui ne doivent pas rester sur le carreau. Fin 2021, une enquête du blog Userguiding rapporte que 96% des salariés qui ne sont pas encore familiers des outils "no-code" seraient prêts à les utiliser dans les années à venir. Un chiffre qui rend compte de l'essor de ces solutions qui aident à la prise de décision, évitant ainsi aux collaborateurs de longues heures de formation et de reconversion et permettant surtout aux utilisateurs métiers de traiter dans la donnée sans passer par les experts de l’IT et de la data science. La prise de décision est décentralisée au plus près des sachants, les rendant autonomes et rapides dans leurs choix.