Newsletter

Big data : l'enjeu majeur de l'enseignement au 21ᵉ siècle


Publié le
Envoyer cet article à un ami
La mise en conformité de la protection des données dans l'enseignement supérieur n'est plus prise à la légère.
Les données du big data doivent être gérées avec soin, selon des méthodes abstraites et organisées, ainsi que la création de modèles relevant du champ des mathématiques. // ©  ©Fotolia
Sur le site de "The Conversation France", Sébastien Corniglion, cofondateur et directeur général du Data ScienceTech Institute, alerte sur le besoin de former des profils pointus en mathématiques et physique appliquées pour que la France prenne le virage du big data.

Miser sur les mathématiques et la physique : c'est la recommandation de trois grands experts pour prendre le train en marche du big data. Une formation d'autant plus essentielle que les profils nécessaires en la matière continuent de faire cruellement défaut en France.

Un consensus autour des enjeux du big data

Les experts s'accordent désormais tous sur le sujet : le big data est l'enjeu majeur de l'enseignement au 21e siècle. C'est en tout cas le point de vue de John Hennessy, le président de l'université Stanford en Californie (qu'il quittera en septembre après seize ans au poste) : pour lui, comme pour d'autres, le big data devient un outil central d'aide à la décision dans une multitude de domaines. Et il contribue à aider les entreprises à relever le défi d'une innovation permanente.

Rappelons toutefois que le big data (mégadonnées) est le phénomène observé de l'accroissement exponentiel des données acquises et stockées par les organisations, et la data science (science des données) est l'ensemble des modèles, méthodes, techniques et outils permettant d'exploiter ces (méga)données.

Le son de cloche est le même pour le Français Yann Le Cun, directeur de FAIR (Facebook Artificial Intelligence Research), le laboratoire de recherche en intelligence artificielle du géant de l'Internet : le champ du big data est en pleine expansion. Si les entreprises font montre d'un besoin exponentiel en savoirs et en compétences en la matière, les postes sont nombreux à rester vacants, faute de candidats.

Une pénurie également déplorée par Cédric Villani, Médaille Fields et directeur de l'Institut Henri-Poincaré [université Pierre-et-Marie-Curie, ndlr], qu'il explique par l'importance jouée par les mathématiques dans la discipline du big data. En effet, ces données volumineuses doivent être gérées avec soin, selon des méthodes abstraites et organisées, ainsi que la création de modèles qui relèvent du champ des mathématiques.

L'apport de ces dernières, aussi abstraites soient-elles, est impératif à l'évolution de la société : elles finissent toujours par trouver une application industrielle intéressante. Seulement, force est de constater que la France présente un retard significatif dans la formation de profils adaptés. S'il est convaincu que ce retard va bientôt se résorber, comment cependant développer l'attirance des jeunes pour le domaine de la data science ?

La nécessité d'une formation renforcée en mathématiques et physique appliquées

Si la France brille toujours par son école de mathématiques, elle peut parfois rester un peu trop centrée sur leurs parties théoriques. Il est nécessaire d'inciter et de récompenser nos brillants enseignants-chercheurs vers des réflexions aux applications à l'industrie. Et le big data et la data science ont justement besoin de l'apport de la formation à la française pour avancer.

Dans un contexte où les technologies évoluent à une vitesse fulgurante, il est primordial de se former à des savoirs pérennes comme les mathématiques et la physique appliquées, plutôt que de chercher des spécialisations éphémères sur le langage de programmation à la mode du moment.

Rappelons que connaître la syntaxe d'un langage n'est en rien synonyme de savoir concevoir un algorithme. Le marché de l'emploi sur ces métiers est en forte croissance et en tension : il faut que notre système d'enseignement produise des compétences autant de haut niveau qu'orientées vers l'industrie.

Cette orientation est d'autant plus nécessaire que le big data devient un enjeu transverse impactant de nombreux secteurs de l'économie : grande distribution, e-commerce, services publics, industrie high-tech, secteurs bancaire et financier ou encore secteur biomédical avec l'avènement de la médecine individualisée. Mais aussi le domaine de l'intelligence artificielle, dont l'expansion n'est pas près de s'arrêter. Or, comme le souligne Cédric Villani, "plus il y aura d'intelligence artificielle, plus il y aura de mathématiciens".

Lire la suite


| Publié le

Vos commentaires (1)

Nouveau commentaire
Annuler
* Informations obligatoires
Véronique.

Il ne faudrait pas oublier ce qu'il est advenu de la finance lorsqu'on a donné les clés aux mathématiciens et physiciens qui ont développé de très beaux modèles. Un beau modèle ne se réduit pas à la syntaxe, je suis d'accord, mais un modèle de décision ne se réduit pas non plus à la conception d'un algorithme. Pour le big data, on a besoin de spécialistes de SHS (sciences humaines et sociales). Il ne faut pas leur donner la clé de la conception. Ils doivent travailler la conception des algorithmes avec les SHS.