Que sera la Data Science en 2018 ?

Nous avons confronté nos intuitions et convictions ressenties sur le terrain avec les bilans et tendances lus auprès des médias experts et nous en tirons en ce début d’année une vision prospective :

  • l’industrialisation des projets data science est en marche, Python à ce titre est plébiscité, cependant tout est une question de cas d’usage et de contexte,
  • les éditeurs ont une voix à faire entendre dans ce domaine, citons Matlab et ses propositions pour embarquer des algorithmes dans les systèmes yc IoT,
  • En progression, l’usage du cloud (IBM, Azure, …), une concurrence fait rage, de plus en plus l’analytique est un service embarqué dans les catalogues,
  • l’automatisation du processus de découverte est en marche notamment à travers l’adoption de progiciels et interfaces éditeurs et plus seulement de code R ou Py, notons le frenchy Dataiku,
  • est ce le retour du concept de citizen data scientist porté par les éditeurs ou comment conduire la voiture sans connaître la mécanique, cela nous ramène aux années 2000 quand les SPSS, SAS, KXEN, SPAD … avaient construit des progiciels “miners” que certains ont oublié et bien d’autres jamais connu,
  • le deep learning est médiatiquement omniprésent, son adoption réelle dans les projets est forcément moins hégémonique mais il est certain que sur le traitement du langage et de l’image il a démontré sa supériorité,
  • on observe une tendance à la spécialisation des compétences, le mythe du data scientist polyvalent sera peut être moins prégnant à l’avenir,
  • Et par exemple quand on parle de spécialisation, en débat : le deep learning est il une branche séparée qui aurait pris son indépendance ?
  • La médiatisation de l’IA et du Big DATA, la réglementation GDPR, vont entraîner une progressive prise de conscience du grand public sur l’utilisation des données,
  • De même une prise de conscience sur l’importance qu’ont pris les algorithmes dans l’orientation de nos choix quotidiens : lectures, opinions, réactions, rencontres …

En conclusion, bluffant et à méditer le succès de Alpha Go Zero basé sur un apprentissage non pas sur une base de connaissances mais sur simplement les règles du jeu et la possibilité pour l’algorithme d’apprendre au fur et à mesure par ces propres parties par “reinforcement”.

Damien Garrouste

 

 

 
Visitez notre page Offre data science.