L'interview de Fahd Kaatich, inspecteur confirmé audit quantitatif DATA

Je suis inspecteur quantitatif/data scientist au sein de L’Inspection Générale de la Banque Postale. J’ai suivi un cursus orienté vers les mathématiques et l’informatique, d’abord en classes préparatoires aux Grandes Ecoles puis en intégrant l’IMT Atlantique, école d’ingénieur du concours Mines-Ponts. Une fois diplômé, je me suis d’abord dirigé vers le milieu de la recherche sur des problématiques liées à la cryptographie au sein de l’Université Technique de Munich, puis vers l’industrie en tant que modélisateur puis auditeur au sein d’une banque concurrente avant de rejoindre La Banque Postale comme inspecteur quantitatif.

Ce rôle me permet aujourd’hui de mettre en œuvre et de parfaire mes connaissances tout en découvrant tous les jours des aspects différents du monde bancaire au sein d’un corps d’inspection riche d’expertises (comptabilité, droit, SI, RH…).

A mon avis, la première compétence comportementale à détenir est de faire preuve de curiosité. En effet, le métier de data scientist consiste à trouver une réponse à des problématiques posées mais aussi à identifier des questions jamais exposées afin de mieux comprendre le phénomène qu’on cherche à expliquer.

Le data scientist doit aussi être perspicace et débrouillard pour savoir jongler avec des données issues de SI différents, travailler avec des langages de programmation qu’il ne maitrise pas forcément et adapter rapidement sa réflexion à la problématique métier à laquelle il essaie de répondre.

J’ajouterais à cela un bon esprit d’équipe car c’est un métier où on ne peut jamais tout connaitre (toutes les données, tous les modèles, tous les aspects métier) et où il faut savoir communiquer, échanger des idées, demander des conseils à ses collègues et en donner si besoin.

En matière de compétences techniques, il doit être familier avec certaines branches des mathématiques, principalement les statistiques, les probabilités et l’algorithmique. A cela, doivent s’ajouter des connaissances relatives aux méthodes et outils informatiques : la connaissance de certains langages de programmation (Python, R, Sas…) ou la maitrise des bases de données. Des connaissances relatives à la gestion et à l’exploitation de grandes volumétries de données, à la parallélisation, aux outils du big data permettent également au data scientist de se projeter vers la phase de mise en production et sont également les bienvenues.

L’année d’un inspecteur se divise en trois vagues de trois mois et demie environ, à l’occasion desquelles il intervient sur une mission donnée. Selon le sujet de la mission et son état d’avancement, l’inspecteur pourra effectuer des travaux très variés : effectuer des entretiens avec les audités, des travaux d’analyse documentaire, de modélisation, ou de rédaction et de restitution de ses constats… A l’issue de la mission, l’inspecteur pourra aussi faire, avec ses audités, un suivi continu de la mise en place d’actions correctrices.

Le défi principal qu’offre l’Inspection Générale est celui de s’adapter à de nouveaux sujets et d’être constamment dans une posture d’apprentissage. C’est pourquoi les inspecteurs bénéficient, à La Banque Postale, d’un parcours de formation personnalisé permettant d’acquérir des compétences techniques ou relationnelles et même de bénéficier de certifications spécifiques à leur domaine d’intervention.

La data science sous cette appellation n’est apparue dans le secteur financier que très récemment. Les banques ont longtemps préféré le terme « modélisateur » pour certaines activités et « analyste quantitatif » ou encore « quant ». Cela est en train de changer depuis quelques années et on parle de plus en plus de « data scientist risque de marché » par exemple.

Le constat est toutefois le même, les banques dépendent grandement de leur capacité à exploiter et modéliser les données brutes dont elles disposent pour en faire des informations utiles permettant par exemple de mieux identifier certains risques, de prévoir certains évènements et de s’en prémunir. Leur défaillance peut se traduire en des pertes énormes et difficiles à anticiper pour une institution financière.

Les spécificités au sein de La Banque Postale sont nombreuses. Dans son plan stratégique « La Banque Postale 2030 », La Banque Postale se donne comme objectif de faire évoluer ses pratiques relatives à la digitalisation. Cette ambition se traduit entre autres en un plan d’amélioration des SI, de la qualité des données, des pratiques d’exploitation des données et modèles. Au sein de La Banque Postale, les métiers de la donnée sont donc des métiers à fort enjeux.

Pour accompagner ce plan stratégique, notre rôle à l’Inspection Générale est de garantir la conformité des processus et des données de la banque, dans le cadre des obligations légales et des normes de qualité souhaitées, dans un marché en perpétuelle évolution. Nous accompagnons également les grands projets de transformation, en mettant en œuvre des outils d’analyse des modèles financiers, sur des sujets tant spécifiques que transverses.

Enfin la data science à La Banque Postale c’est aussi l’échange et le partage. La banque dispose d’une communauté de data scientists très active, animée par la Direction de l’innovation, du digital et de la data du groupe. Cette communauté organise fréquemment des évènements, des formations ou des réunions d’échange. Elle permet de promouvoir l’esprit data au sein du groupe, d’échanger sur des problématiques entre directions, de donner ou de demander des conseils, et ainsi de permettre une progression de ces sujets au sein de la banque.

Les spécificités au sein de La Banque Postale sont nombreuses. Dans son plan stratégique « La Banque Postale 2030 », La Banque Postale se donne comme objectif de faire évoluer ses pratiques relatives à la digitalisation. Cette ambition se traduit entre autres en un plan d’amélioration des SI, de la qualité des données, des pratiques d’exploitation des données et modèles. Au sein de La Banque Postale, les métiers de la donnée sont donc des métiers à fort enjeux.

Pour accompagner ce plan stratégique, notre rôle à l’Inspection Générale est de garantir la conformité des processus et des données de la banque, dans le cadre des obligations légales et des normes de qualité souhaitées, dans un marché en perpétuelle évolution. Nous accompagnons également les grands projets de transformation, en mettant en œuvre des outils d’analyse des modèles financiers, sur des sujets tant spécifiques que transverses.

Ma conviction est que le métier de data scientist est un métier d’avenir. Il y a quelques années le terme n’existait pas encore et personne ne rêvait d’un tel essor dans ce secteur. Avec les améliorations techniques en matière de puissance de calcul et les développements de nouvelles approches de modélisation, lesquels permettront de meilleures performances et une plus grande sécurité et robustesse, les domaines d’application de la data science vont sans doute s’étendre à un nombre croissant d’industries. De même que la majorité des entreprises ont dû prendre le virage du numérique il y a quelques décennies de cela, le virage de l’IA et de la data science devra être négocié. Le marché du travail continuera son expansion, mais ira sans doute vers plus de spécialisation, avec plus d’exigences concernant les connaissances métier pour un secteur donné comme nous pouvons déjà le voir pour les informaticiens qui se dirigent déjà dès leur cycle de formation vers des secteurs spécifiques : robotique, systèmes embarqués, sécurité…

Pour les étudiants, s’orienter vers des formations en sciences, en informatique, ou même sur des formations débouchant sur des masters spécialisés en data science. Ces formations sont une bonne assurance de pouvoir déboucher sur un métier dans la data. Mais au-delà de la formation initiale, de mon point de vue c’est un domaine où l’investissement personnel peut faire une grande différence et permettre des reconversions vers des postes de data scientists dans un secteur d’activité donné, surtout pour des personnes ayant déjà les connaissances métier spécifiques à ce secteur.

Dans ce sens, le conseil principal est de constamment entretenir ses connaissances et de cultiver un intérêt pour la data science. Les termes « data science » ou « data scientist » englobent des sujets qui peuvent être par moment flous et constamment mouvants. Une personne qui souhaite s’y diriger doit constamment se mettre à jour et être en veille tant sur le plan technique que sur celui des tendances générales. Cela peut être fait au travers de la lecture de revues ou de sites web spécialisés, de l’abonnement à des newsletters informatives, ou, pour les plus confirmés, de l’implémentation de petits projets… »