Étendue en profondeur : une réflexion sur le rôle du généraliste des données

J’ai écrit un article sur Towards Data Science : « La portée plutôt que la profondeur : la valeur d’un généraliste dans votre équipe de données. » ¹

Mon argument à l’époque était simple : alors que les spécialistes excellent dans la résolution de problèmes complexes et bien définis, les généralistes sont souvent plus utiles car ils définissent le problème en premier lieu et ne font ensuite appel à des spécialistes que lorsque cela est nécessaire.

En raison de l’essor de l’IA dans notre vie quotidienne, j’étais curieux de voir à quel point ces pensées résonnaient encore en moi, alors je suis retourné pour relire cet article. Mon intention était de réécrire, mais à ma grande surprise, je me suis retrouvé d’accord avec presque tout ce que je disais. légèrement » a écrit moi-même plus jeune. Une seule chose subtile mais très importante a changé.

Le changement : l’IA comme nouveau spécialiste

Au cours des cinq dernières années, l’IA a évolué au point où elle peut gérer de nombreuses tâches pour lesquelles nous comptions traditionnellement sur des spécialistes. Le type de travail qui nécessitait une expertise approfondie, un briefing clair et des instructions bien définies est désormais exactement le domaine dans lequel l’IA prospère. Et contrairement aux humains, il le fait plus rapidement et sans fatigue.

J’ai donc décidé de continuer à écrire à ce sujet, mais plutôt qu’une réécriture, une simple réflexion sur mes réflexions antérieures, en soulignant où quelques ajustements étaient nécessaires.

1. Nous opérons toujours dans des environnements d’apprentissage difficiles

Nous n’opérons pas dans des systèmes soignés et fermés. Nous opérons dans ce que David Epstein appelle mauvais environnements d’apprentissage²– des paramètres dans lesquels les règles ne sont pas claires, les commentaires sont retardés ou trompeurs et les modèles ne se répètent pas de manière cohérente. Dans ces environnements, vous pouvez faire la « bonne » chose et quand même obtenir un mauvais résultat, ou bien faire la mauvaise chose et avoir l’air de réussir. C’est ce qui les rend dangereux.

Le véritable défi n’est pas de résoudre les problèmes. Ce n’était pas le cas il y a cinq ans et ce n’est certainement pas le cas aujourd’hui. Le défi est de savoir lequel les problèmes valent la peine d’être résolus et si les signaux que vous utilisez pour vous guider sont même dignes de confiance.

L’IA ne supprime pas cette ambiguïté. Au contraire, cela l’amplifie. Lorsque les réponses arrivent plus rapidement et semblent plus convaincantes, le risque de résoudre en toute confiance le mauvais problème ne fait qu’augmenter.

2. Le besoin d’hyper-spécialisation diminue (mais n’a toujours pas disparu)

À l’époque, je soutenais que l’accès à l’information réduisait le besoin d’une spécialisation approfondie. Stack Overflow, les blogs et la documentation signifiaient qu’un généraliste compétent pouvait comprendre les choses assez rapidement pour avancer.

Aujourd’hui, cette dynamique a considérablement changé.

L’information n’est plus seulement disponible. C’est organisé, synthétisé, comparé et présenté… en un instant, l’IA ne se contente pas de vous aider à trouver la réponse. Cela vous donne un réponse fonctionnelle.

Et cela nous pousse plus loin :

Le besoin d’hyper-spécialisation ne disparaît pas, mais il se rapproche du bord (certains diraient de l’abîme). Les généralistes ont désormais la possibilité d’aller beaucoup plus loin avant de recourir à l’intervention de spécialistes.

3. L’effort de coordination reste le véritable tueur

Le généraliste réduit l’effort de coordination en éliminant essentiellement les relations inutiles, car elles s’étendent sur plusieurs d’entre elles. Il faut leur donner le mandat de prendre des décisions et ainsi supprimer la gestion de relations supplémentaires.

C’était l’un de mes points forts à l’époque et c’est encore plus le cas aujourd’hui. Le coût de la coordination dans les organisations est souvent sous-estimé et cela n’a pas changé.

Jeff Bezos a popularisé « l’équipe à deux pizzas »³ règle : les équipes doivent être suffisamment petites pour être nourries avec deux pizzas. Dans le monde d’aujourd’hui, on pourrait dire que nous nous dirigeons vers équipes à une pizza. Non pas parce que le travail est plus simple, mais parce que les généralistes sont plus compétents et que l’IA comble de nombreuses lacunes spécialisées, ce qui nécessite moins de transferts.

4. Le problème commercial n’a pas changé

Si l’on supprime tout, les questions fondamentales restent exactement les mêmes :

• Comment augmenter nos revenus ?
• Comment fidéliser les clients ?
• Comment fonctionner plus efficacement ?

L’outillage a évolué (de manière significative). Les méthodes sont devenues encore plus sophistiquées. Mais les problèmes sous-jacents restent inchangés.

Et comme il y a cinq ans, les entreprises ne se soucient toujours pas de savoir si la solution implique un modèle agent de pointe ou une requête SQL bien placée. Ils pourraient le dire lors des réunions de la direction, mais en réalité, ils ne regardent pas comment cela a été réalisé, mais simplement si le problème a été résolu.

Alors en résumé, qu’est-ce qui a changé ?

Ce n’est pas l’importance des généralistes. Au contraire, leur valeur a augmenté.

Le changement clé est le suivant :

Les généralistes ne sont plus seulement des connecteurs entre spécialistes. Ce sont eux qui naviguent dans des environnements où le problème n’est pas clair, les signaux sont bruyants et la voie à suivre n’est pas évidente.

Ils connectent non seulement les gens, mais capacités— décider quand faire confiance à l’intuition, quand s’appuyer sur l’expérience et quand faire appel à un spécialiste à la demande, humain ou IA.

Leur portée est maintenant amplifiécapables d’exécuter eux-mêmes un travail beaucoup plus profond. Non pas parce que le monde est devenu plus simple, mais parce qu’ils fonctionnent toujours bien dans la complexité, avec l’IA comme couche spécialisée toujours disponible.

J’attends avec impatience que mon assistant personnel en IA fasse une autre réflexion dans cinq ans.

---

[1] Potgieter, C. (2021). Gamme sur profondeur – la valeur d’un généraliste dans votre équipe de données. Vers la science des données.https://towardsdatascience.com/range-over-owned-the-value-of-a-generalist-in-your-data-team-174d4650869d/
[2] Epstein, D. (2023). Environnements d’apprentissage gentils et méchants.
https://davidepstein.substack.com/p/kind-and-wicked-learning-environments
[3] Équipes de deux pizzas : la science derrière la règle de Jeff Bezos | À l’intérieur de Nuclino. Blog.nuclino.com. https://blog.nuclino.com/two-pizza-teams-the-science-behind-jeff-bezos-rule. Publié en 2019.