Akli,senior data scientist chez KPMG

En quoi consiste votre métier ?

Mon métier est à l'intersection de trois univers : celui des mathématiques avec une forte pondération pour l'optimisation, probabilités et statistiques, celui de l'informatique par le biais des techniques de programmation et de génie logiciel, et enfin le monde du business par sa composante de conseil en transformation et stratégie technologique.

Plus concrètement, je suis *senior data scientist* dans les équipes Data Analytics & IA de KPMG France et j'interviens sur tout le cycle de développement des solutions orientées données, allant de la récolte et l'analyse de la qualité de données, jusqu'à la mise en production des algorithmes de machine et/ou deep learning, en passant par la visualisation des données et la modélisation statistique/stochastique, avec comme fonction objectif "la maximisation de la valeur générée par l'exploitation des données des entreprises clientes".

Qu'appréciez-vous le plus aujourd'hui dans votre métier ? 

Une des particularités de mon métier est l'environnement multidimensionnel et international associé, qui requiert d'être à la fois, à la pointe des avancées méthodologiques en intelligence artificielle, et être en capacité de les transcrire, adapter et implémenter aux différents cas d'usages, tout en jouant un rôle d'interprète entre le langage des équations et le langage des parties prenantes du projet. C'est précisément la combinaison de ces facteurs qui me stimule intellectuellement au quotidien. 

Quelles sont les types de missions que vous avez effectuées ?

J'ai eu la chance de travailler sur plusieurs sujets de pointe autour des applications du machine learning et de l'analyse de données à des cas d'usage très variés. À titre d'exemple, je cite ces différentes missions :

- Automatiser le processus de lettrage comptable pour une grande compagnie d'assurance à l'aide des méthodes d'optimisation combinatoire.
- Développer une méthodologie de clustering et de prévision de séries temporelles pour l'évaluation de la santé et de la valeur financière d'une enseigne de e-commerce lors d'un processus de due diligence.
- Auditer les algorithmes d'IA déjà mis en production par une mutuelle en faisant une évaluation exhaustive des risques qui y sont liés, tels que le risque d'éthique, de biais, de validité, d'explicabilité, de stratégie, de gouvernance et enfin des risques cyber.
- Construire de bout en bout un système de détection de fraude basé sur les algorithmes de machine learning pour une entreprise de l'industrie du luxe.
- Détecter les intrusions cyber en analysant dynamiquement les logs système par des algorithmes de deep learning.

Que faisiez-vous auparavant ?

Au moment de l'obtention de mon master 2 recherche en modélisation stochastique et prévision en recherche opérationnelle en Algérie, j'avais deux options devant moi ; la première était de faire un doctorat et de continuer mon aventure dans le même laboratoire de recherche en mathématiques dans lequel j'avais déjà effectué deux stages (licence et master) ou bien de souscrire à une autre option plus orientée industrie et monde professionnel avec un passage à l'étranger. En parallèle de cette réflexion, L'ISFA est entré en jeu et il s'est révélé être un levier optimal pour atteindre mon projet professionnel et ainsi pondérer mon choix en faveur de la deuxième option.

Me voilà en France et après une première année intense en économétrie et statistiques, j'ai pu décrocher une alternance en tant qu'apprenti data scientist au sein du *centre de compétence de détection de fraude d'Allianz France* dont ma mission était d'expérimenter l'état de l'art des algorithmes de machine learning dans la lutte anti-fraude et la sécurisation des actifs sous-jacents.

Enfin, directement après mon alternance, j'ai rejoint les équipes Data & Analytics de KPMG dont je fais toujours partie :).

Que vous a apporté la formation à l’ISFA ? 

L'ISFA était un excellent terrain d'apprentissage pour moi sur deux aspects très importants et qui m'ont énormément servi dans ma vie professionnelle. Le plus conséquent était l'incarnation d'un état d'esprit pluridisciplinaire permettant de jongler entre plusieurs disciplines (statistiques, informatique et gestion des risques). En effet, le fait d'intégrer des notions de gestion de projet, d'agilité et de gestion des risques (financiers, opérationnels et informatiques) en plus des compétences purement techniques dans le cursus m'a permis d’avoir une posture managériale très rapidement au sein de ma direction et ainsi gravir rapidement les échelons.

L'autre aspect étant plus technique et spécialement lié à ma spécialisation en *sécurité et risque informatique* et qui m'a bien différencié sur le marché des data scientists, en m'apportant un complément de connaissances solides d'un coté, en programmation shell (Bash) pour l'automatisation et l'orchestration des tâches dans le cloud, de l'autre, en sécurité applicative, technologies web et calcul formel nécessaires à l'intégration sécurisée des sorties des modèles d'IA développés et la compréhension des paradigmes de calculs distribués (Apache Spark). Ces derniers font partie intégrante de mon quotidien dans les phases d'industrialisation des solutions de machine learning.

Je suis très fier aussi de la visibilité que donnent les Alumnis auprès des entreprises, en particulier, dans l'industrie financière où je remarque souvent de la reconnaissance aux formations dispensées par L'ISFA. 

Quels conseils pouvez-vous donner aux étudiants ?

- Il ne faut pas hésiter à contacter les anciens étudiants pour demander des informations sur leurs métiers.
- Orienter le choix de ses projets académiques vers le ou les métiers visés. C'est un atout majeur de pouvoir montrer un portefeuille de projets concrets lors des entretiens.
- Ne pas se limiter uniquement aux cours et compléter son champ de compétences par des formations en lignes (Moocs), par la lecture des livres et pourquoi pas par des compétitions/challenges dont je suis très fan !

Je termine mon dernier conseil par un principe que je m'applique à chaque instant: "commencer petit, voir grand et aller vite".