Alternance en data science : retour d’expérience d’un binôme élève/tuteur

Comment définir une alternance réussie ? Au-delà de la cohérence du programme académique avec les missions en entreprise, le dispositif repose sur le duo alternant/mentor et sur sa capacité à transmettre, autant qu’à recevoir. À travers quelques questions, l’ENSAI donne la parole à un binôme réuni par l’alternance : Prince Rotimi, diplômé du Mastère Spécialisé^® Science des données pour la Connaissance client, et Paul Chevalier, data scientist chez Intrasipa.  

Le Mastère Spécialisé^® en Science des données pour la Connaissance Client est une formation de niveau Bac+6 proposée en alternance. Il forme des experts en modélisation statistique et en apprentissage automatique (Machine Learning), appliqués à la connaissance client.  

ENSAI : Paul, Prince, débutons l’entretien par une courte présentation.

Paul Chevalier : Je suis data scientist dans le groupe Ouest France, au sein de la société Intrasipa qui est la société de services et d’expertise du média. Je travaille pour les différentes entités, que ce soit le journal, la régie publicitaire ou bien 20 Minutes.  

Prince Rotimi : Je suis data scientist et data analyst consultant, actuellement en poste chez Atheïa Conseil. Je travaille comme consultant data science pour la connaissance client.

Paul, les candidats en recherche d’une alternance en science des données sont nombreux ces dernières années. Qu’est ce qui a vous a convaincu dans la candidature de Prince ?

Paul Chevalier : Le profil de Prince a retenu notre attention parce qu’il avait déjà une histoire avec la data. Il avait travaillé dans ce domaine et avait donc développé des expertises, notamment en dataviz avec Power BI, qui nous intéressaient. Lors de l’entretien, il a su démontrer à la fois son aisance technique mais aussi sa capacité à prendre du recul et à avoir une approche très “métier”.  

Prince, quelles missions Paul t’a-t-il confiées durant cette année d’alternance ?

Prince Rotimi : J’avais deux missions principales. La première, orientée data science, a été le fil rouge de mon année. 

Mon objectif était de faire un scoring pour accompagner Additi, la régie pub du groupe Ouest France, dans l’optimisation de ses campagnes marketing. Mon travail avait pour but d’aider les équipes à concevoir des campagnes efficaces et de mesurer leurs performances.   

Pour la deuxième mission, j’avais une autre casquette de data analyst, avec des tâches principalement centrées sur Power BI. J’ai été impliqué dans des projets plus ponctuels, par exemple avec Medialex, la filiale de publications d’annonces légales du groupe. J’ai mis en place de la data analyse pour suivre leurs portefeuilles, leurs parts de marché, ou encore la production commerciale.  

Dans le cadre de ces missions, comment as-tu perçu l’adéquation du programme du Mastère Spécialisé Science des données pour la Connaissance client avec ton quotidien au bureau ?

Prince Rotimi : Au début de l’année académique, il y a des rappels de bases théoriques en mathématiques. Au fur et à mesure de l’avancée du programme, le rythme s’est accéléré, de la découverte d’un sujet à l’évaluation finale. A partir de février, nous avons commencé les cours de scoring, juste avant de mettre cette méthode en application chez Ouest France. C’était vraiment bien de le voir en amont à l’ENSAI, pour avoir une vision de ce que je serais amené à faire.  Je pouvais aussi anticiper en posant quelques questions à Paul à ce sujet et faire une comparaison théorie / application entre l’école et l’entreprise.  

Paul Chevalier : Je trouve aussi que les cours et les missions au bureau “matchaient”. Prince amenait ses notes et il s’interrogeait toujours sur l’application de la méthodologie dans notre contexte professionnel. Je dois dire que pour nous aussi, au sein de l’entreprise, c’est challengeant de confronter les points de vue académique et métier.  

Au sujet de l’alternance, comme relation “donnant-donnant” dans laquelle l’alternant apprend auprès de son maître d’apprentissage, et l’alternant apporte sa force de travail au collectif : comment s’est passé l’intégration dans l’équipe et comment le binôme a-t-il fonctionné au quotidien ?

Paul Chevalier : L’intégration de Prince dans l’équipe s’est faite très naturellement car il est très communiquant et ouvert. Il s’est rapidement adapté aux rituels de l’équipe, aux codes de l’entreprise et aux moments un peu plus “détente”. Les parties de cartes du déjeuner sont moins drôles depuis qu’il est parti, on a perdu un très bon joueur !

Son autonomie a permis d’atteindre un rythme de croisière en peu de temps, avec des échanges hebdomadaires, voire plus réguliers selon les sujets.  

Prince, penses-tu à un exemple concret où vos approches différentes ont permis de résoudre un problème ou d’innover ?

Prince Rotimi : Une des différences entre Paul et moi, ce sont les outils : je travaille principalement sur Python et Paul a une préférence sur R, il est plus “vieille école” (rires).  On se complétait sur ce point.  

Paul était assis juste à côté de moi dans l’open space, donc pour toutes les questions méthodo orientées vraiment métier, Paul avait toutes les réponses, ce qui complétait vraiment la théorie enseignée à l’école, et me permettait de la mettre en pratique. 

Paul Chevalier : C’est vrai que mon langage de prédilection, c’est plutôt R, ce n’est pas le plus moderne mais depuis ton départ, Prince, ne t’en fais pas, tout est en Python ! Au-delà du langage informatique, la méthode statistique et la démarche restent les mêmes. Aujourd’hui c’est Python, peut-être que ce sera un autre langage dans 5 ans. Prince nous a bien aidés sur ce sujet grâce à sa maîtrise de Python, il osait aussi aller voir d’autres personnes et acquérir les bonnes pratiques attendues.  

Vous partagez un point commun, celui d’être diplômés de l’ENSAI. Quelles sont les raisons qui vous ont poussés à choisir cette école plutôt qu’une autre ?

Prince Rotimi : Je connaissais l’ENSAI de réputation depuis bien longtemps. Après mon Master 2, j’ai estimé que mon profil data science était trop généraliste. 

Je cherchais à me spécialiser : le Mastère Spécialisé^® de l’ENSAI a fait sens dans mon parcours car la connaissance client correspond aux besoins actuels du marché, et ce domaine me parle. 

Ajoutée à ça, la renommée de l’ENSAI, je trouvais ça parfait. 

Paul Chevalier : De mon côté, j’ai fait une prépa scientifique. J’ai intégré l’ENSAI, avec en perspective la filière de 3e année Gestion des Risques. J’ai suivi cette spécialisation puis à la fin de mon stage de fin d’études, j’ai directement bifurqué vers le marketing. Je trouvais qu’en tant que data scientist, on pouvait produire des effets rapidement dans ce domaine. On score, on segmente et puis d’un coup, on va chercher des clients, du chiffre d’affaires… c’est assez immédiat. 
 

Une dernière question, Prince. Te voilà désormais dans la vie active, te vois-tu un jour passer de l’autre côté de la barrière et devenir maître d’apprentissage pour un ou une alternante ?

Prince Rotimi : Oui, j’aimerais pouvoir apporter ma contribution au réseau ENSAI, en rejoignant un jury de soutenance, ou en donnant des cours dans le Mastère Spécialisé^®, pourquoi pas.   

Au moment du processus de recrutement et pendant l’alternance, j’ai ressenti la force du réseau de l’école, je me suis senti facilement intégré. Anecdote amusante, la première fois que j’ai rencontré Paul, c’était à l’ENSAI. Il donne des TD pour les étudiants des cursus ingénieur et statisticien public, et il est venu me saluer dans ma salle de cours ! 

C’était donc une vraie relation tripartite entre toi, ton tuteur et l’ENSAI. Merci à tous les deux, nous vous souhaitons beaucoup de succès dans vos postes respectifs !

Vous souhaitez intégrer le Mastère Spécialisé^® Science des données pour la Connaissance Client ou recruter un alternant en Science des données ? En savoir plus