Image par auteur
J’ai parlé un jour avec un gars qui se vantait que, armé seulement de quelques cours LinkedIn gratuits et d’un cours universitaire obsolète d’introduction à SQL, il avait réussi à décrocher un emploi à six chiffres dans la science des données. De nos jours, la plupart des personnes qui luttent pour obtenir un bon emploi en science des données conviendront que cela est peu probable. Cela signifie-t-il que la catégorie d’emplois en science des données est une bulle éclatée – ou pire, qu’elle n’a pas encore éclaté, mais qu’elle est sur le point de le faire ?
Bref, non. Ce qui s’est passé, c’est que la science des données était autrefois un sous-saturé champ, facile d’accès si vous avez utilisé les bons mots-clés sur votre CV. De nos jours, les employeurs sont un peu plus exigeants et ont souvent en tête les compétences spécifiques qu’ils recherchent.
Les bootcamps, les cours gratuits et les projets « Hello World » ne suffisent plus. Vous devez prouver une expertise spécifique et réussir votre entretien en science des données, pas seulement laisser tomber des mots à la mode. Non seulement cela, mais l’éclat du « data scientist » s’est un peu dissipé. Pendant longtemps, c’était le métier le plus sexy qui soit. Maintenant? D’autres domaines, comme l’IA et l’apprentissage automatique, sont tout simplement un peu plus sexy.
Cela étant dit, il y a encore plus de débouchés dans la science des données que de candidats, et des indicateurs fiables indiquent que le domaine est en croissance, et non en diminution.
Pas convaincu? Regardons les données.
La grande image
Au cours de cet article, j’examinerai plusieurs graphiques, tableaux, chiffres et pourcentages. Mais commençons par un seul pourcentage provenant d’une source extrêmement réputée : le Bureau of Labor Statistics.
Le BLS prédit qu’il y aura un changement de 35 pour cent dans l’emploi de 2022 à 2032 pour les data scientists. En bref, en 2032, il y aura environ un tiers d’emplois de plus dans la science des données qu’en 2022. À titre de comparaison, le taux de croissance moyen de tous les emplois est de 3 %. Gardez ce numéro à l’esprit lorsque vous parcourez le reste de cet article.
Le BLS ne considère pas la science des données comme une bulle prête à éclater.
Les licenciements
Nous pouvons maintenant commencer à entrer dans le vif du sujet. Les premiers signes que les gens désignent comme des signes d’éclatement ou d’imminence d’une bulle sont les licenciements massifs dans le domaine de la science des données.
C’est vrai que les chiffres ne semblent pas bons. À partir de 2022 et jusqu’en 2024, le secteur technologique en général expérimenté 430 000 licenciements. Il est difficile de démêler des données spécifiques à la science des données à partir de ces chiffres, mais les meilleures estimations sont qu’environ 30 % d’entre elles concernaient la science des données et l’ingénierie.
Source: https://techcrunch.com/2024/04/05/tech-layoffs-2023-list/
Cependant, il ne s’agit pas d’une bulle éclatée de science des données. Sa portée est un peu plus petite que cela – c’est un pandémie bulle éclatante. En 2020, alors que de plus en plus de personnes restaient chez elles, que les bénéfices augmentaient et que l’argent était bon marché, les FAANG et les entreprises adjacentes aux FAANG ont recruté un nombre record de travailleurs technologiques, pour en licencier un grand nombre quelques années plus tard.
Si vous faites un zoom arrière et regardez le tableau plus large des embauches et des licenciements, vous pourrez voir que le marasme post-pandémique est un creux dans une ligne globale ascendante, qui commence même maintenant à se redresser :
Source: https://www.statista.com/
Vous pouvez clairement constater l’énorme baisse des licenciements dans le secteur technologique au cours de l’année 2020, à mesure que le marché se resserrait, puis l’énorme pic à partir du premier trimestre 2022, lorsque les licenciements ont commencé. Désormais, en 2024, le nombre de licenciements est inférieur à celui de 2023.
Les offres d’emploi
Une autre statistique effrayante souvent vantée est que les entreprises FAANG ont fermé leurs offres d’emploi de 90 % ou plus. Encore une fois, cela est principalement dû au nombre très élevé d’offres d’emploi pendant la pandémie.
Cela dit, les offres d’emploi dans le secteur technologique sont encore inférieures à ce qu’elles étaient avant la pandémie. Ci-dessous, vous pouvez voir un graphique ajusté montrant la demande d’emplois technologiques par rapport à février 2020. Il est clair que le secteur technologique a subi un coup dur dont il ne se remettra pas de sitôt.
Source: https://www.hiringlab.org/2024/02/20/labor-market-update-tech-jobs-below-pre-pandemic-levels/
Cependant, regardons d’un peu plus près quelques chiffres réels. Si l’on regarde le graphique ci-dessous, même si les offres d’emploi sont indubitablement en baisse par rapport à leur sommet de 2022, le nombre global d’offres est en réalité en augmentation – en hausse de 32,4 % par rapport au point le plus bas.
Source: https://www.trueup.io/job-trend
Le narrateur
Si vous regardez les reportages sur le travail et l’actualité en ligne, vous verrez qu’il y a actuellement une sorte de réaction anti-télécommande et anti-technologique. Meta, Google et d’autres sociétés FAANG, effrayées par le pouvoir de négociation dont jouissaient leurs employés au plus fort de la pandémie, font maintenant pression pour obtenir des mandats de retour au bureau (les emplois en science des données et autres emplois technologiques sont souvent éloignés) et licencient de grandes quantités d’employés. employés quelque peu inutilement, à en juger par leurs rapports sur les revenus et les bénéfices.
Pour ne donner qu’un exemple, la société mère de Google, Alphabet licencié plus de 12 000 employés au cours de 2023 malgré la croissance de ses divisions de publicité, de cloud et de services.
Ce n’est qu’un aspect avec lequel examiner les données, mais une partie de la raison pour laquelle les entreprises procèdent à ces licenciements est davantage liée à la satisfaction du conseil d’administration qu’à une diminution du besoin de data scientists.
La demande
Je trouve que les gens qui croient que nous sommes dans une bulle de science des données sont le plus souvent ceux qui ne savent pas vraiment ce que font les data scientists. Pensez à cette statistique du BLS et demandez-vous : pourquoi cette agence gouvernementale bien informée estime-t-elle qu’il y a une forte croissance dans ce secteur ?
C’est parce que le besoin car les data scientists ne peuvent pas disparaître. Bien que les noms puissent être modifiés – expert en IA ou spécialiste du ML Cloud plutôt que Data Scientist – les compétences et les tâches exécutées par les data scientists ne peuvent pas être externalisées, abandonnées, réduites ou automatisées.
Par exemple, les modèles prédictifs sont essentiels aux entreprises pour prévoir les ventes, prédire le comportement des clients, gérer les stocks et anticiper les tendances du marché. Cela permet aux entreprises de prendre des décisions éclairées, de planifier stratégiquement l’avenir et de conserver leurs avantages concurrentiels.
Dans le secteur financier, la science des données joue un rôle crucial dans l’identification des activités suspectes, la prévention de la fraude et l’atténuation des risques. Des algorithmes avancés analysent les modèles de transactions pour détecter les anomalies pouvant indiquer une fraude, contribuant ainsi à protéger les entreprises et les consommateurs.
La PNL permet aux machines de comprendre et d’interpréter le langage humain, alimentant des applications telles que les chatbots, l’analyse des sentiments et les services de traduction linguistique. Ceci est essentiel pour améliorer le service client, analyser les sentiments sur les réseaux sociaux et faciliter la communication mondiale.
Je pourrais énumérer des dizaines d’autres exemples démontrant que la science des données n’est pas une mode et que les data scientists seront toujours en demande.
Pourquoi avons-nous l’impression d’être dans une bulle ?
Pour revenir sur mon anecdote précédente, une partie de la raison pour laquelle nous avons l’impression d’être dans une bulle qui est en train d’éclater ou sur le point d’éclater est la perception de la science des données comme une carrière.
En 2011, la Harvard Business Review l’avait qualifié de travail le plus sexy de la décennie. Dans les années qui ont suivi, les entreprises ont embauché plus de « data scientists » qu’elles ne savaient quoi en faire, souvent incertaines de ce que faisaient réellement les data scientists.
Aujourd’hui, une décennie et demie plus tard, le domaine est un peu plus sage. Les employeurs comprennent que la science des données est un vaste domaine et sont plus intéressés par l’embauche de spécialistes de l’apprentissage automatique, d’ingénieurs en pipeline de données, d’ingénieurs cloud, de statisticiens et d’autres spécialités qui relèvent largement de la science des données mais qui sont plus spécialisées.
Cela aide également à expliquer pourquoi cette idée d’accéder à un emploi à six chiffres dès la sortie d’un baccalauréat était le cas autrefois – puisque les employeurs ne savaient pas mieux – mais est désormais impossible à réaliser. Le manque d’emplois « faciles » en science des données donne l’impression que le marché est plus restreint. Ce n’est pas; les données montrent que les offres d’emploi sont toujours nombreuses et que la demande est toujours supérieure au nombre de diplômés détenant les diplômes appropriés. Mais les employeurs sont plus exigeants et peu disposés à prendre des risques avec des diplômés universitaires non expérimentés et sans expérience démontrée.
Le besoin de science des données n’a ni diminué ni été remplacé
Enfin, vous pouvez jeter un œil aux tâches effectuées par les data scientists et vous demander ce que les entreprises feraient sans que ces tâches soient accomplies.
Si vous ne savez pas grand-chose en science des données, vous devinerez peut-être que les entreprises peuvent simplement « automatiser » ce travail, voire s’en passer. Mais si vous savez quelque chose sur les tâches réelles des data scientists, vous comprenez que ce travail est actuellement irremplaçable.
Pensez à la situation dans les années 2010 : ce type dont j’ai parlé, avec juste une compréhension de base des outils de données, s’est catapulté dans une carrière lucrative. Les choses ne sont plus ainsi, mais ce recalibrage n’est pas le signe d’un éclatement de bulle comme certains le croient. Au lieu de cela, c’est le domaine de la science des données qui mûrit. Le domaine de la science des données d’entrée de gamme est peut-être sursaturé, mais pour ceux qui possèdent des compétences spécialisées, des connaissances approfondies et une expérience pratique, le domaine est grand ouvert.
De plus, ce récit de « bulle » est alimenté par une incompréhension de ce que représente réellement une bulle. Une bulle se produit lorsque la valeur de quelque chose (dans ce cas, un secteur de carrière) est déterminée par la spéculation plutôt que par sa valeur intrinsèque réelle. Cependant, comme nous l’avons vu, la proposition de valeur de la science des données est tangible et mesurable. Les entreprises ont besoin de data scientists, purement et simplement. Il n’y a là aucune spéculation.
Il y a aussi beaucoup de sensationnalisme médiatique autour des licenciements dans les grandes technologies. Bien que ces licenciements soient importants, ils reflètent les forces du marché plus larges plutôt qu’un défaut fondamental de la discipline de la science des données. Ne vous laissez pas emporter par les gros titres.
Enfin, il convient également de noter que la perception d’une bulle peut provenir de la manière dont la science des données elle-même évolue. À mesure que le domaine évolue, la différenciation entre les rôles devient plus prononcée. Titres d’emploi comme l’ingénierie des données, l’analyse des données, la business intelligence, l’ingénierie de l’apprentissage automatique et la science des données sont plus spécifiques et nécessitent un ensemble de compétences plus spécialisées. Cette évolution peut donner l’impression que le marché du travail en science des données est plus volatil qu’il ne l’est, mais en réalité, les entreprises comprennent simplement mieux leurs besoins en science des données et peuvent recruter dans leurs spécialités.
Dernières pensées
Si vous voulez un emploi en science des données, foncez. Il y a très peu de chances que nous soyons réellement dans une bulle. La meilleure chose que vous puissiez faire est, comme je l’ai indiqué, de choisir votre spécialité et de développer vos compétences dans ce domaine. La science des données est un vaste domaine qui s’étend à différents secteurs, langues, titres de poste, responsabilités et anciennetés. Sélectionnez une spécialité, développez les compétences, préparez l’entretien et obtenez l’emploi.
Nate Rosidi est un data scientist et en stratégie produit. Il est également professeur adjoint enseignant l’analyse et est le fondateur de StrataScratch, une plateforme qui aide les data scientists à préparer leurs entretiens avec de vraies questions d’entretien posées par les grandes entreprises. Nate écrit sur les dernières tendances du marché des carrières, donne des conseils en entretien, partage des projets de science des données et couvre tout ce qui concerne SQL.
