Mr Eric Lecoutre,
Mathématicien analyste de données

Quel a été votre parcours professionnel ? 

J’ai tout d’abord travaillé durant quelques années à l’Université, où j’ai été successivement chercheur, assistant et informaticien-statisticien, un poste où je faisais de la veille technologique, de la consultance externe et interne : support en statistique pour les étudiants de l’Université dans tous les domaines, collaboration avec les chercheurs de l’UCL etc. Puis j’ai décidé de faire le grand saut dans le monde du privé. Je suis arrivé un peu par hasard dans la société de consultance Business & Decision qui offre des services dans la gestion du risque pour les banques/assurances, le CRM (Customer Relationship Management), dans tout ce qui touche de près ou de loin à la gestion de la relation client. Un grand pilier assez hétéroclite porte le nom de Business Intelligence : création de bases de données, intégration, gestion des données, etc.

Avez-vous des exemples de projets à nous donner ?

En 10 ans, j’ai eu l’occasion de travailler pour plus de 30 clients dans à peu près tous les secteurs d’activités.

Voici trois exemples de projet :

- Analytique pour BMW : sur base des données d’achats de véhicule, des entretiens en garage, d’enquêtes sur les clients ou encore des plaintes, préparation d’une grande table analytique et modélisation prédictive. Il s’agit de proposer le meilleur modèle au client au meilleur moment, d’anticiper les problèmes et donc d’offrir un support à la stratégie de communication/marketing de BMW. Ici, c’est vraiment le travail d’un analyste de données qui prévaut. Mais il faut aussi donner les bons conseils.
- Prévision temporelle pour Orange : au sein de la chaîne logistique, la prévision des stocks de milliers de téléphone portables se base en partie sur des méthodes mathématiques (séries temporelles). Ma société a intégré une solution logicielle pour couvrir cette problématique. Ici, le travail nécessite aussi des compétences d’analyste fonctionnel : il faut bien comprendre les besoins du client pour proposer la solution qui convient le mieux à son problème. Mais une expertise en statistique est aussi appréciable.
- Data mining pour la lutte contre la fraude : le grand dossier qui m’occupe actuellement. Nous aidons le SPF Finances à développer les techniques de data mining pour lutter contre la fraude fiscale. Ma société apporte son expertise en data mining, conduit des projets en collaborations avec des data miners du SPF, les coache.

Selon vous, qu’est-ce qui différencie un mathématicien analyste de données d’un statisticien ?  

Les champs d’application et les méthodes impliquées. Ce n’est pas pour rien selon moi que sont apparus ces nouveaux termes : data analyst, data miner et data scientist. A l’heure actuelle, sur le marché du travail, le terme de statisticien est utilisé soit en biostatistique (un métier/débouché à lui-même) soit pour la statistique institutionnelle. Les méthodes relèvent alors du traitement d’enquête, des techniques de sondage, d’échantillonnage ou encore de tests d’hypothèse et d’inférence. Grosso modo, on part d’un petit volume de données et on cherche à extrapoler. L’analyste de données, lui, dispose de plus grand volumes, ne s’embarrasse que plus rarement d’hypothèses, ses soucis sont de trouver une bonne approche, pragmatique et de l’implémenter pour qu’elle fonctionne.

Qu’est-ce qui vous plaît tout particulièrement dans votre métier ?

Tout d’abord la variété, inhérente à la consultance mais aussi à l’analyse de données. J’ai eu l’occasion de travailler dans le secteur bancaire, automobile, télécom, pharmaceutique, utilitaire, public, etc. Aussi, l’analyste de données se doit d’avoir de bonnes capacités de communication.

Quelles difficultés rencontrez-vous dans la pratique de votre métier ?

La culture de l’analytique est encore à développer en Belgique. A moins de tomber sur un manager ayant lui-même une bonne compréhension du comment et surtout du pourquoi, il faut sans cesse expliquer, démontrer et prouver. Je pense que ceci est en train d’évoluer, les générations actuelles étant de plus en plus sensibilisés à l’importance de la donnée et de son exploitation.

Pensez-vous que l’analyse de données offre des débouchés clairs aux mathématiciens ?

Des débouchés, il y en a, c’est sûr. Il n’y a qu’à voir les offres d’emploi. Nous assistons actuellement à ce que j’appelle la deuxième vague du data mining. Après l’adoption par les grandes sociétés, l’analytique se démocratise, trouve de nouvelles applications, se réinvente ou fait face à de nouveaux challenges. Attention toutefois : si la mathématique est l’arc de l’analyste de données, il faudra s’armer de cordes (communication, programmation et curiosité).