Lore Le Pabic Data scientist

Dans l'open space du service innovation & intelligence artificielle du Crédit Mutuel Arkéa au Relecq-Kerhuon (29), près de Brest, pas de bureau attitré, seulement quelques petits casiers à disposition de la dizaine de data scientists. Lore le Pabic, 34 ans, est l’une d’entre eux. 

La jeune femme a systématiquement son ordinateur sous le bras et son portable dans la poche pour travailler dans n'importe quel endroit. « Pour être data scientist, il faut aimer les maths, l'analyse, savoir vulgariser, synthétiser et faire une veille permanente sur les nouvelles technologies car le domaine évolue très vite » explique-t-elle.

Un CV bien rempli

Après un bac et une licence de maths, Lore intègre l'Ensai (École nationale de la statistique et de l’analyse de l’information), qui lui ouvre les portes de la donnée. Elle multiplie les expériences dans de prestigieuses institutions : Cirad (Centre de coopération internationale en recherche agronomique pour le développement), Insee ou encore Ifremer (Institut français de recherche pour l'exploitation de la mer) où elle traite les données scientifiques liées à la culture de perles.

Depuis 2019, elle est data scientist (ou ingénieure statisticienne) au Crédit Mutuel Arkéa. « Mon métier, c'est de fournir des prévisions et des recommandations pour la stratégie de l’entreprise, en développant des modèles statistiques à partir de grandes quantités de données. » 

Faire « parler » la donnée

Mais ces fameuses data n’arrivent pas prêtes à l’emploi ! « Concrètement, les données sont reçues à partir de différentes sources : bases de données internes, des fichiers, des programmes informatiques, des flux de transaction et même des réseaux sociaux. Elles peuvent prendre la forme d’un tableau ou de supports non structurés comme des emails, des PDF, des images ou des vidéos. Le premier défi est donc de collecter cette grande quantité de données, de les nettoyer et de les préparer pour qu'elles puissent être analysées. Cela peut impliquer de gérer des données manquantes, de corriger des erreurs ou de convertir des formats de fichiers. Bref, on essaye de les faire parler », résume-t-elle. Ce n’est qu’une fois ce travail réalisé qu’elle pourra proposer des solutions informatiques pertinentes pour répondre aux besoins de l’entreprise.

Pour être data scientist, il faut aimer les maths, l'analyse, savoir vulgariser, synthétiser et faire une veille permanente sur les nouvelles technologies

Concevoir de nouvelles fonctionnalités

S’il peut paraître abstrait, le travail de Lore va permettre de concevoir de nouvelles fonctionnalités qui vont concrètement améliorer le quotidien des client·es et des salarié·es. « On travaille sur des systèmes pour fluidifier les moyens de paiement, pour être conforme au RGPD, pour accélérer les traitements de factures et ainsi éviter de tout faire à la main… C'est très varié ! »