Aujourd’hui nous présentons Sami ASSILI, Data Scientist chez AMAYAS Consulting, actuellement en poste au sein de Veolia SA et qui est arrivé dans le top 10% du concours “le Meilleur Datascientist de France”.

Bonjour Sami ! Est-ce que tu peux dans un premier temps te présenter et nous présenter ton parcours professionnel professionnel ?

"Bonjour Noémie, alors je suis Data Scientist, diplômé en 2016 de l’école nationale d’ingénieur de Tunis.Ma formation initiale est ingénieur en finance et analyse quantitative avec une spécialisation dans la couverture de risques et la tarification. Mais afin de compléter ma formation, j’ai suivi un master spécialisé en Machine Learning et Statistiques Appliquées au Mans, au cours duquel j’ai focalisé toute mon attention sur le volet algorithmique. Pour ce qui est des expériences professionnelles, j’ai choisi de toucher à différents secteurs comme la banque (BNA), le retail (Monoprix), le e-commerce (www.justlounge.com),ou encore actuellement l'environnement et l'énergie (Veolia)."

Pourquoi as-tu voulu devenir Data Scientist ?

"Depuis très jeune j'entraîne mon l’esprit à modélisation mathématique. Mais c’est surtout ma découverte des cours d’analyse de données qui sont à l’origine de ma volonté de suivre un parcours de Data Scientist. A partir du moment où j’ai découvert la Data Science, j’ai passé des heures et heures - souvent des heures assez tardives d’ailleurs - à regarder des cours en ligne mêlant méthodes mathématiques, apprentissage statistique et optimisation algorithmique. Aujourd’hui, je me considère très chanceux d’avoir réussi à faire de ma passion mon métier."

Et ce métier de datascientist justement, en quoi consiste -t -il ?

"Etre Data Scientist c’est faire parler la donnée et en créer de la valeur ajoutée. Mon rôle consiste à comprendre des problèmes métiers et à les résoudre en exploitant la donnée. L’enjeu est d’extraire la part d’information utile que chacune de ces données apporte par rapport à une question. En ce moment, je travaille d’ailleurs chez Veolia où la Data Science est sur le point de devenir un axe stratégique d'optimisation des processus industrielles et d’accompagnement de métier sur différentes problématiques."

Concrètement, au quotidien quel est ton rôle ?

"Le plus souvent, un projet Data Science commence souvent par des interactions avec des équipes métiers pour comprendre les processus et les problématiques qu’ils rencontrent, et cerner leurs besoins, réfléchir ensemble afin d’identifier les pistes exploitables. Je suis aussi amené à interagir constamment avec les équipes IT pour leur proposer le déploiement de nouveaux outils, suivre l’évolution des différents infrastructures ou demander l’intégration de nouvelles données. Une fois cette première étape passée, mon travail va consister à 'explorer les données, les nettoyer et faire des analyses descriptives dans le but de poser des hypothèses à faire valider ou rejeter par le métier. Ensuite, selon le cas, je commence la création des features et l’implémentation de modèle de machine learning. Cette étape est purement technique mais là aussi j'essaie d'intégrer le métier afin de les amener à découvrir ce que l’on peut faire avec la data science). Les techniques utilisées varient selon le besoin fonctionnel mais l’objectif principal est d’utiliser la donnée afin de fournir une solution performante qui automatise des tâches complexes. Avec d’autres Data Scientist d’Amayas on organise régulièrement des afterworks pour partager sur les différents sujets que nous voyons en mission. Cela permet nous permet d’échanger et de capitaliser sur nos différentes expériences pour élargir les champs de vision et d'élargir la perspective des propositions que nous pouvons faire au métier ensuite. On part du métier, on y revient, la boucle est bouclée."

Selon toi, quels sont les critères qui permettent d’identifier un bon datascientist?

"En plus des compétences mathématiques, statistiques et informatiques, un bon Data Scientist doit développer en continue sa communication et sa façon de vulgariser ses résultats. Il doit également s’intéresser sincèrement au métier de celui qui émet le besoin: d’abord, pour l’aider à formuler son besoin - ce qui n’est jamais évident - ensuite pour guider les intuitions que l’on peut avoir. Une autre qualité essentielle pour moi, c’est la curiosité parce qu’on se retrouve facilement à faire tourner quelques approches classiques “passe partout” alors que les technologies évoluent très vite, ce qui demande une forte implication afin d'enrichir son bagage et se maintenir à niveau."

Si tu devais donner un conseil à un futur datascientist ?

"Je lui dirais qu’avant de faire tourner des algorithmes Machine Learning et visualiser vos données, il faut avoir au moins des intuitions.La curiosité est une qualité essentielle pour exercer ce métier. Chaque jour, il faut être prêt à apprendre. Qu’il n’hésite pas à se lancer dans des challenges et des meet-up. Les discussions sur des problématiques Data ont une valeur inestimable pour les data scientists."

Et concernant le concours du “Meilleur Datascientist de France”, comment as-tu été amené à y participer ?

"Je suis un fan des challenges de Data Science. J’ai énormément participé à des hackathons ces dernières années, notamment sur les plateformes Kaggle, Datascience.net et datahack. De plus, les compétitions de ce type sont dans l’ADN Amayas, avec d’autres collaborateurs Data Scientist nous participons souvent ensemble à ce type de compétition. Et cette compétition, “le Meilleur Data Scientist de France”, qui est organisée par FrenchData, commence à devenir une “tradition”, c’est un évènement unique en Europe où la thématique va porter sur un sujet utile à la société. Par exemple l’année dernière, le challenge reposait sur les données publiques des médicaments, publiées par le ministère des Affaires sociales et de la santé. Cette année, c’est le site Label-Emmaüs, boutique en ligne solidaire, qui a fourni ses données pour prédire les délais de ventes de ses produits."

Comment s’est passé le concours pour toi ?

"J’ai vraiment apprécié de pouvoir me pencher sur un problème de Data Science pendant quelques heures tout en étant soumis à certains contraintes de temps et de moyens, c’était un réel challenge ! On a terminé dans les 40 premiers ( top 10%), ce qui est un résultat acceptable, mais on aurait pu faire mieux ! Mais nous reviendront l’année prochaine avec l’équipe Amayas pour disputer une place sur le podium cette fois."

---

Retrouvez nos actualités sur :