Olivier Auliard

Chief Data Scientist- responsable équipe conseil - Capgemini Consulting

Son parcours

  • 5 ans d’expérience dans la Data Science
  • Près de 20 ans d’expérience dans l’analyse de données
  • Diplômé de Polytechnique

Interview réalisée en avril 2017

Vous avez une très riche expérience en data. Pouvez-vous nous présenter votre parcours ?

Après Polytechnique, j’ai commencé à travailler dans le monde des études de marché et des panels par appétence pour les sciences humaines. En tant que directeur scientifique, je me suis intéressé assez tôt à la mesure de données sur le web.

Lorsque la bulle internet est arrivée, j’ai choisi de lancer une start-up et nous nous sommes rapprochés d’Asterop, une société de géomarketing où j’ai repris un rôle de directeur scientifique. En 2012, à l’occasion d’une mission conjointe avec Capgemini Consulting, j’ai été séduit par la perspective de rejoindre une branche conseil spécialisée en data science au plus fort de la vague data.

Comment avez-vous vu évoluer l’écosystème data au cours de ces dernières années ?

Les entreprises financières ont regardé les opportunités offertes par la data en premier lieu puis suivirent le retail, l’industrie ou le secteur public. Aujourd’hui, on sent un engouement chez tous les acteurs du marché.

A l’échelle de l’entreprise, je dirais qu’il y a eu plusieurs temps dans la mise en place de projets data. La première étape gravitait autour des POCs : il s’agissait de prouver ce que l’on pouvait faire avec les données, de mettre en exergue des ROIs intéressants.

La deuxième phase a ensuite été celle de la création de Data Labs, où nous avons accompagné nos clients sur les problématiques de positionnement du Chief Data Officer notamment. Au fur et à mesure de la montée en puissance de ces Data Labs, l’exigence d’industrialisation, de mise en place opérationnelle des projets s’intensifie, c’est la phase dans laquelle nous nous situons actuellement.

Selon vous, quels sont les facteurs clé de réussite lors de la création d’un Data Lab?  

Je pense que plusieurs paramètres sont à prendre en compte.

D’abord, une condition sine qua non est que le sponsoring soit important du côté de la direction générale. Je ne vois pas de succès sans un tel appui ; une véritable conviction du Top management est nécessaire. Le CDO doit être à l’intersection des métiers et de l’IT et donc être indépendant de chacun de ces départements pour éviter les résistances internes ou le risque de tourner à vide.

Il est aussi impératif d’aller vite et de rapidement convaincre. D’ailleurs, il ne faut pas hésiter à bien « marketer » ses réalisations. Nos clients ayant le plus réussi dans la création de leur Datalab sont ceux dont les premiers projets n’étaient pas nécessairement les plus complexes scientifiquement mais les plus empreints de pédagogie et d’effets visuels remarquables. Il ne faut pas lésiner sur l’impression laissée grâce à la Data Viz car c’est le meilleur moyen de convertir des profanes de la donnée.

Enfin, il ne faut pas minimiser le risque de saturation des ressources internes. Dans un contexte de recrutement compliqué sur un marché pénurique, il faut être attentif à la hiérarchisation des priorités car les sujets peuvent rapidement s’accumuler. On voit beaucoup d’équipes lancer des projets sans forcément avoir les ressources, les moyens ou les compétences pour les mener à bien. Il ne faut pas hésiter, le cas échéant, à sous-traiter.

Avec votre background scientifique, est-ce que vous avez du vous re-former pour vous mettre à la page du Big Data ? Comment envisagez-vous une reconversion pour des personnes venant d’autres sciences ?

Avec un background mathématique solide, c’est assez facile à condition néanmoins de se plonger dans le code. Il faut aussi être capable de se remettre en question car les avancées informatiques sont rapides et battent en brèche les approches théoriques statistiques.

En ce moment, les profils venant de la physique théorique ont le vent en poupe. Ils ont souvent manipulé des bases de données en sus d’une formation mathématique de haut vol. Les transitions se font assez bien.

Comment voyez-vous évoluer le marché des compétences data ?

Pour les Data Scientists qui savent coder, qui sont capables de transformer une question business en une problématique mathématiques, le marché continuera à être porteur longtemps et les contingents de juniors qui sortent des masters spécialisés data aujourd’hui sont des gisements de recrutement importants pour une entreprise comme la notre.

Un phénomène plus récent est l’émergence du consultant data hybride.

On voit une explosion des demandes pour ce type de ressources essentielles pour faire l’interface entre les data scientists et les équipes business.  Ce profil doit être capable de travailler la donnée, de comprendre comment tournent les algorithmes, et en même temps de vulgariser la technique au niveau des équipes business. On n’est donc pas obligé de devenir un pur data scientist lorsqu’on se projette dans l’environnement data.

Enfin, d’autres métiers connexes apparaissent autour des problématiques juridiques et de change autour de la donnée.

Quels sont les avantages d’un cabinet de conseil en Data par rapport à d’autres choix de carrière ?

Ce sont les avantages des métiers du conseil : diversité des sujets, diversité des technologies, des algorithmes. On a une vision plus générale des technologies même si nous sommes moins pointus sur certains outils qu’en start-up. Je pense que le conseil joue un rôle d’accélérateur de carrière dans la Data, si l’on souhaite évoluer  vers des postes de Head of Data, grâce à la vision globale et à la vision business qu’il apporte rapidement.

Auriez-vous des conseils pour un postulant en Data chez Capgemini Consulting  ?

Nous recherchons des profils curieux, ouverts, agiles, capables et désireux  de s’adapter rapidement. Le goût du travail bien fait est également prépondérant chez nous. Nous sommes 30 aujourd’hui et nos effectifs sont en constante augmentation.

Retour aux témoignages