La data science (ou science des données) est la discipline qui extrait de la connaissance et de la valeur à partir de données, en combinant statistiques, machine learning et ingénierie informatique. Son but : transformer des données brutes en décisions et en prédictions utiles.
Cette leçon donne la définition de la data science, la distingue du machine learning, de l'IA et du big data, détaille ses disciplines, son cycle de vie, ses métiers et ses outils. Public : débutants qui veulent comprendre le domaine avant de s'y plonger.
Ce que vous allez apprendre
Section intitulée « Ce que vous allez apprendre »- Définir la data science et ce qu'elle recouvre.
- Distinguer data science, machine learning, IA et big data.
- Identifier les disciplines qui la composent.
- Suivre le cycle de vie d'un projet data science.
- Situer les métiers et les outils du domaine.
Qu'est-ce que la data science ?
Section intitulée « Qu'est-ce que la data science ? »La data science est un domaine à l'intersection des mathématiques, de l'informatique et d'une expertise métier. Elle répond à des questions concrètes à partir de données : quels clients risquent de partir, quel sera le chiffre d'affaires du trimestre, quelles transactions sont frauduleuses.
Elle ne se limite pas à entraîner des modèles. Une grande partie du travail consiste à collecter, nettoyer et comprendre les données, puis à communiquer les résultats de façon actionnable. Le machine learning n'est qu'une étape de ce processus plus large.
Data science, machine learning, IA et big data
Section intitulée « Data science, machine learning, IA et big data »Ces termes sont souvent employés comme synonymes alors qu'ils désignent des choses différentes. Voici comment les situer :
| Terme | Ce que c'est | Relation |
|---|---|---|
| Data science | Extraire de la valeur des données | La discipline englobante |
| Machine learning | Apprendre des règles à partir de données | Un outil de la data science |
| Intelligence artificielle | Imiter une capacité humaine | Le domaine où s'inscrit le ML |
| Big data | Gérer des données très volumineuses | Un contexte technique des données |
La distinction la plus utile est data science contre machine learning : le machine learning est une technique (faire apprendre un modèle), tandis que la data science est une démarche complète qui va de la question métier jusqu'à la décision, et qui utilise le ML parmi d'autres méthodes (statistiques, visualisation, requêtes).
Les disciplines de la data science
Section intitulée « Les disciplines de la data science »La data science est par nature pluridisciplinaire. Un projet mobilise plusieurs savoir-faire, rarement réunis chez une seule personne.
- Statistiques et mathématiques : comprendre les distributions, tester des hypothèses, quantifier l'incertitude.
- Machine learning : construire des modèles prédictifs à partir des données.
- Data engineering : collecter, stocker et industrialiser les flux de données (pipelines, chaînes automatisées qui acheminent et transforment les données ; bases de données ; big data).
- Visualisation et communication : rendre les résultats lisibles et actionnables pour des décideurs.
- Expertise métier : poser les bonnes questions et interpréter les résultats dans leur contexte.
Le cycle de vie d'un projet data science
Section intitulée « Le cycle de vie d'un projet data science »Un projet suit un enchaînement d'étapes bien établi, dont s'inspire la méthode CRISP-DM (Cross-Industry Standard Process for Data Mining, six phases, la collecte y étant couverte par la phase « compréhension des données »). Il est itératif : on revient en arrière dès qu'une étape révèle un problème.
-
Comprendre le besoin : traduire une question métier en problème analysable.
-
Collecter les données : rassembler les sources pertinentes, internes et externes.
-
Préparer les données : nettoyer, corriger, transformer. C'est l'étape la plus chronophage : elle occupe en général la plus grande part du projet.
-
Modéliser : entraîner des modèles de machine learning ou appliquer des méthodes statistiques.
-
Évaluer : mesurer la performance et vérifier que le résultat répond au besoin métier.
-
Déployer et suivre : mettre le modèle en production et le surveiller, ce qui relève du MLOps.
Le schéma remet ces six étapes à plat : la ligne rouge est le chemin nominal, les flèches pointillées sont les retours les plus fréquents : vers la préparation quand la modélisation révèle des données à revoir, vers le besoin quand l'évaluation montre que la question était mal posée.
Les métiers de la data science
Section intitulée « Les métiers de la data science »Le domaine s'est spécialisé en plusieurs rôles complémentaires. Les frontières varient d'une entreprise à l'autre, mais la répartition classique est la suivante :
| Métier | Rôle principal |
|---|---|
| Data analyst | Analyser et visualiser les données pour éclairer les décisions |
| Data scientist | Construire des modèles prédictifs et mener l'analyse avancée |
| Data engineer | Bâtir et maintenir les pipelines et l'infrastructure de données |
| ML engineer | Industrialiser et déployer les modèles en production |
Ces métiers travaillent en chaîne : le data engineer prépare le terrain, le data scientist et l'analyst en tirent des enseignements, le ML engineer met les modèles en production.
Les outils de la data science
Section intitulée « Les outils de la data science »L'écosystème est dominé par Python et son riche ensemble de bibliothèques. Pour débuter, un socle réduit suffit :
- Python, pandas et NumPy pour manipuler les données.
- scikit-learn pour le machine learning classique.
- Jupyter pour explorer et documenter les analyses de façon interactive.
- matplotlib et seaborn pour la visualisation.
Ce socle est, à quelques bibliothèques près, celui de la formation : vous installerez Python et ses bibliothèques dans un environnement conda isolé, puis vous travaillerez dans des notebooks, dont la leçon sur Jupyter explique le fonctionnement. Le machine learning y est la brique prédictive de la démarche.
Avant de préparer ce poste, la leçon suivante, Types d'apprentissage automatique : supervisé et non supervisé, distingue les grandes familles d'apprentissage, pour savoir quel type de problème on cherche à résoudre.
À retenir
Section intitulée « À retenir »- La data science extrait de la valeur des données en combinant statistiques, machine learning et ingénierie.
- Le machine learning en est un outil, pas un synonyme : la data science est la démarche englobante.
- Plusieurs disciplines : statistiques, ML, data engineering, visualisation, expertise métier.
- Un cycle itératif (CRISP-DM), dont la préparation des données occupe en général la plus grande part du temps.
- Des métiers en chaîne : data analyst, data scientist, data engineer, ML engineer.
Contrôle de connaissances
Validez vos connaissances avec ce quiz interactif
Informations
- Le chronomètre démarre au clic sur Démarrer
- Questions à choix multiples, vrai/faux et réponses courtes
- Vous pouvez naviguer entre les questions
- Les résultats détaillés sont affichés à la fin
Lance le quiz et démarre le chronomètre
Vérification
(0/0)Score par domaine
Un domaine regroupe plusieurs guides et reçoit plusieurs questions : son score est plus fiable qu'un score par thème, qui porte souvent sur une seule question.
Bilan
Points forts
Aucun sujet réussi à 80 % sur au moins deux questions pour l’instant.
Points faibles
Aucun sujet sous le seuil de réussite.
À faire ensuite
Des indices pour retenter votre chance ?
Continuer le cours : Types d'apprentissage automatique : supervisé et non supervisé
Nouveau quiz complet avec des questions aléatoires
Retravailler uniquement les questions ratées
Retour à la liste des certifications