Comment m’assurer que ma carrière en analytique ne soit pas dévorée par l’IA

quelqu’un au travail soulève une version de cette question : l’IA va-t-elle prendre mon travail ? J’avoue que j’ai moi-même posé une version de cette même question. Mais après avoir parlé aux experts en IA, aux créateurs de certains de ces agents d’IA, après avoir vu l’évolution de l’IA et après avoir réellement intégré l’IA dans ma façon de travailler, la question si l’IA va prendre mon travail ne me fait plus peur. Je suis simplement plus curieux et beaucoup plus réfléchi sur ce que je passe mon temps à apprendre.

Lorsque j’ai commencé mon travail d’analyste en 2021, je pensais qu’écrire du code SQL ou Python et créer des tableaux de bord étaient des compétences précieuses, et elles l’étaient vraiment. J’ai rapidement réalisé que traduire un problème commercial complexe en un problème de données, puis faire apparaître des informations qui avaient réellement du sens pour les gens était la véritable compétence que je devais perfectionner. Mais maintenant, avec le boom de l’IA, je ne sais pas combien de temps je pourrai même appeler cela ma force.

Lorsque ChatGPT est devenu une conversation domestique en 2022, j’ai eu le sentiment que l’IA était surestimée à court terme et sous-estimée à long terme et je pense que cela est devenu de plus en plus vrai.

L’industrie évolue plus rapidement que la plupart d’entre nous ne peuvent l’admettre, et même ceux qui construisent ces systèmes ne savent pas exactement où elle va.

Les outils d’IA s’améliorent chaque mois pour absorber le type de connaissances qui étaient autrefois réservées aux cadres supérieurs, comme le contexte commercial que l’on n’acquérait normalement qu’après plusieurs années de travail. Lorsque ces connaissances sont documentées et transmises à un système d’IA, elles deviennent accessibles à tous ceux qui en ont besoin, plutôt que de résider dans la tête des experts en la matière.

Lorsque les connaissances tribales sont écrites, les frontières entre les rôles s’estompent.

On s’attend à ce qu’un analyste de données assume le rôle d’ingénieur de données. Un ingénieur logiciel peut interpréter le résultat d’un test A/B, une tâche qui incombait autrefois à un data scientist. Avec l’aide d’agents IA, une personne sans aucune formation technique peut produire un tableau de bord qui, il y a cinq ans, aurait nécessité une après-midi entière à un analyste qualifié.

J’ai observé cela de si près la semaine dernière : un Scrum Master devait combiner les données de livraison de projet de deux plates-formes et, avec l’aide de Copilot, il a pu concevoir un pipeline de données et créer un tableau de bord Power BI fonctionnel sans compter sur un analyste de données pour le travail de base. Au moment où j’ai été recruté, il n’avait besoin que d’aide pour automatiser le processus et améliorer la narration. Cela pourrait être un mardi normal pour n’importe qui, mais pour moi, cela nous a rappelé que l’IA brouille rapidement les frontières entre les rôles, rendant de nombreuses compétences techniques largement accessibles.

Rien de tout cela ne signifie que l’analyse va disparaître. Cela indique simplement que les obstacles à l’exécution tombent et que notre valeur viendra de plus en plus du jugement, du contexte, de l’influence et de la capacité à transformer les informations en décisions significatives.

Mon hypothèse est qu’au cours des cinq prochaines années, la progression de carrière en ligne droite d’analyste de données à analyste principal puis à analyste principal n’existera peut-être pas sous la forme que nous connaissons aujourd’hui. Le rôle traditionnel d’entrée de gamme consistant à rédiger des requêtes, à créer des tableaux de bord et à exécuter des rapports exigera probablement bien plus que cela. Ce que nous verrons à la place, ce sont des rôles hybrides, à l’intersection de l’IA, des affaires, de l’analyse de données et de l’ingénierie logicielle.

Je ne peux pas encore prétendre savoir exactement à quoi cela ressemble. Personne ne le fait. Mais d’après ma façon de voir les choses, ici ce que je fais réellement aujourd’hui pour m’assurer que mes analyses ne soient pas mangées par l’IA

• J’ai arrêté de considérer l’écriture de requêtes, la création de graphiques et la génération de rapports comme ma seule proposition de valeur. L’IA permet à beaucoup de gens de faire ce travail eux-mêmes, sans avoir besoin de moi dans le processus. Si c’est tout ce que je propose, je rivalise discrètement avec l’outil au lieu de l’utiliser. Fort de cette compréhension, je travaille à grandir moi-même encore plus à l’intersection des connaissances commerciales, du jugement analytique et de la conception de systèmes d’IA.
• j’essaie de comprendre comment fonctionnent réellement les systèmes: comment les agents d’IA raisonnent, comment structurer leur contexte, comment construire le tissu conjonctif entre l’IA et mes données. Ce ne sera bientôt plus une connaissance agréable à avoir, mais un élément essentiel de la boîte à outils d’un analyste.
• Doublez le jugement que l’IA a encore du mal à reproduire pour des choses comme :
  • Savoir quand l’IA vous ment discrètement en inventant des informations
  • Repérer les préjugés liés à la survie avant qu’ils ne façonnent une décision
  • Maintenir la frontière entre corrélation et causalité
  • Détecter votre propre biais de confirmation avant qu’il ne vous surprenne
  • Faire la différence entre une observation et une idée réelle
  • Négocier ce qu’une métrique devrait signifier en premier lieu, avant de commencer à la mesurer

• Je continue également à m’appuyer sur compétences humaines. J’adore lire sur les sciences cognitives et la façon dont les humains s’adaptent au changement, et j’ai appris que les compétences humaines (soft) ne sont pas banalisées comme le fait une requête SQL. Ils nécessitent de rester dans l’ambiguïté et de comprendre suffisamment bien une entreprise pour savoir à quoi devrait ressembler un chiffre avant même de l’avoir vu. De plus, les compétences techniques vous permettent d’obtenir le poste, mais les compétences générales vous permettent d’obtenir une promotion, c’est donc là que je consacre une grande partie de mon énergie en ce moment.
• J’essaie de construire un fort sens du jugement dans des systèmes évolutifs, plutôt que de le garder enfermé dans votre propre tête, vous vous retrouvez avec quelque chose de véritablement précieux.
• J’ai commencé à utiliser des agents IA à trois niveaux de travail : exécution, optique, et impact. Avec la bonne incitation, j’essaie d’amener l’IA à accélérer l’exécution en automatisant la recherche, l’analyse et la création de contenu, tout en améliorant l’optique en transformant le travail en récits clairs et convaincants pour les parties prenantes. Le résultat de cet effort m’a permis de communiquer efficacement sur l’impact commercial et d’offrir une meilleure visibilité sur la valeur créée.

Regarder en arrière, regarder en avant

Il y a cinq ans, je pensais qu’être bon dans un travail d’analyse signifiait être bon avec les données. Mais aujourd’hui, je pense qu’être bon dans ce métier, c’est avoir un bon jugement. Il s’agit en grande partie de poser les bonnes questions, de savoir quand un chiffre dit la vérité et quand ce n’est pas le cas, et de savoir quelles parties d’un problème nécessitent réellement la participation d’un humain.

Les outils que nous utilisons en science des données et en analyse ont changé à plusieurs reprises au fil des ans, et je ne serais pas surpris si le rythme de ce changement s’accélère avec l’IA. Mais la véritable valeur d’un analyste n’a jamais été la requête SQL elle-même ; il s’agissait de comprendre le problème de l’entreprise, d’instaurer la confiance et de donner aux décideurs la confiance nécessaire pour agir. À mesure que l’IA assume une plus grande part du travail technique, les compétences typiquement humaines que sont le jugement, le contexte, la communication, l’influence et l’empathie deviendront plus importantes que jamais. Ce sont les compétences sur lesquelles je parie ma carrière.

C’est tout de mon côté sur ce billet de blog. Merci d’avoir lu! J’espère que vous avez trouvé cette lecture intéressante !

Rashi est un expert des données de Chicago qui aime analyser les données et créer des histoires de données pour communiquer des informations. Elle est consultante senior en analyse de soins de santé à temps plein et aime écrire des blogs sur les données le week-end avec une tasse de café.