Après des études de mathématiques à l’université d’État de Novossibirsk en Sibérie puis à l’École Polytechnique en France, Artem Kozhevnikov rejoint Tinyclues en 2010 en tant que stagiaire Data Scientist et finalise sa thèse en mathématiques pures en 2015. Il est aujourd’hui Lead Data Scientist. Il nous livre dans cette interview sa vision du métier de Data Scientist et détaille les enjeux de ses missions chez Tinyclues.
Comment es-tu arrivé chez Tinyclues ?
Je travaillais encore sur ma thèse en mathématiques dans le cadre de mon doctorat à l’Université Paris Sud (, lorsque j’ai rejoint Tinyclues. J’ai pu ainsi accompagner David Bessis, CEO et fondateur de Tinyclues, dans la construction des algorithmes de machine learning et de toute la technologie d’intelligence artificielle qui est au cœur de notre solution.
Quelles sont tes missions au sein de Tinyclues ?
Je suis en charge de tous les projets qui touchent à la Data Science. Et ils sont bien évidemment très nombreux ! En effet, nous essayons d’améliorer chaque jour notre solution et de proposer de nouvelles fonctionnalités à nos utilisateurs. Très souvent, ces nouvelles fonctionnalités, proposées par l’équipe Produit, sont étroitement liées au cœur technologique de Tinyclues, aux algorithmes. Je suis donc en charge de superviser les actions Data Science pour que ces nouvelles fonctionnalités voient le jour.
Au final, mon rôle est assez transversal car mon équipe intervient dans de nombreux cas de figure, aussi bien pour évaluer les performances d’une méthode de calcul que pour évaluer les protocoles d’A/B Testing chez un client. Sans parler bien sûr du cœur de notre métier qui est la construction de modèles prédictifs.
Décris-nous une journée type :
Le Chief Economist de Google, Hal Varian, a dit il y a quelques années « The sexiest job in the next 10 years will be statistician. And I’m not kidding.” Je suis bien d’accord avec lui. Mon travail est passionnant !
Je consacre évidemment une partie importante de mon temps au management des autres Data Scientists de Tinyclues. En outre, je travaille quotidiennement avec la plupart des équipes de l’entreprise : Produit, Engineering et Operations.
Outre la gestion de projets techniques, je fais au quotidien de la veille sur les nouvelles méthodes, les derniers algorithmes et modèles prédictifs. C’est une partie cruciale de mon travail de voir comment les intégrer à notre solution. Cela nous permet d’être en permanence à la pointe !
J’adore également coder, mais j’ai de moins en moins le temps de le faire…
Quelles sont les qualités et les compétences requises pour ton job ?
Un très bon niveau en mathématiques est essentiel pour comprendre et travailler sur nos modèles prédictifs. Il faut également être capable de programmer et de lire de nombreux langages, ce qui suppose des connaissances poussées en informatique et en machine learning. Le métier de Data Scientist requiert enfin un sens de la pédagogie, afin de traduire des concepts mathématiques auprès d’interlocuteurs plus ou moins experts.
Notre priorité, c’est le succès de nos clients : il faut donc toujours garder à l’esprit que nous développons une solution pour nos clients (comprendre leurs besoins, leur contexte, leurs moyens, leurs objectifs…). In fine, c’est cette incidence business qui compte.
Qu’est-ce que tu apprécies particulièrement chez Tinyclues ?
J’apprécie le très haut niveau de culture scientifique chez Tinyclues. En outre, la culture de notre entreprise encourage la curiosité et la pensée out of the box. J’ai la chance d’interagir avec des gens qui exercent des métiers très différents, c’est très enrichissant pour moi ; je ne pense pas que tous les Data Scientists aient ce genre d’opportunités. Par exemple, on organise une réunion sur le sujet Data Science toutes les semaines, à laquelle tous les collaborateurs, quels que soient leurs métiers, sont libres de participer.
Comment ton métier va-t-il évoluer dans le futur ?
Le marché est de plus en plus demandeur de compétences en Data Science. Mais on n’en est encore qu’au tout début… D’ici 10 à 15 ans, il y aura des solutions à base d’intelligence artificielle pour résoudre beaucoup de problèmes. Le raisonnement sera de plus en précis et spécialisé. Aujourd’hui, le terme de Data Scientist mélange beaucoup de métiers, mais on verra apparaître des orientations plus “produit” ou plus “technique”. Cette spécialisation sera accompagnée par la naissance d’autres domaines d’applications de la data, encore inconnus à ce jour.
