Retour sur le salon Women in Data Science (WiDS)

Alors non, je ne me suis pas faite offrir un billet d’avion pour aller suivre une conférence en Californie (dommage !), mais si l’initiative Women in Data Science (ou WiDS pour les intimes) est née dans l’université américaine en 2015, elle représente maintenant un événement prenant place dans plus de 150 villes dans le monde.

Et l’édition de Paris a été organisée par Total, dans leur célèbre tour Coupole à la Défense.

Data Science, discerner la fiction de la réalité

Nathalie Brunelle, directrice de projet à TOTAL@Saclay le dit assez bien dans son introduction du sujet : il y a encore beaucoup d’amalgames entre ce que les films appellent intelligence artificielle et les applications réelles actuelles.

On imagine des machines qui remplacent des humains, ce qui dans tous les cas, mène fatalement à la dystopie (allez, pour le petit moment culture : Terminator, I Robot, Battlestar Galactica…).

Oui mais non ! De manière beaucoup plus court-termiste, la Data Science :

• N’est pas si inabordable
• A déjà beaucoup d’applications dans la vraie vie et en entreprise
• N’a pas vocation à remplacer l’humain, mais à l’augmenter en l’aidant dans sa prise de décision

Les femmes dans la Data Science

La conférence s’ouvre sur un chiffre parlant : en 2017 il n’y avait que 26% de femmes dans la Data, tous métiers confondus, chiffre qui ne semble pas avoir beaucoup évolué entre temps.

Hors, Delphine Segura-Vaylet, VP Human Resources Strategy & Policy chez Total affirme que ce sont des métiers sensibles parce qu’ils ont pris une place stratégique dans beaucoup d’entreprises, mais aussi parce qu’il y a aujourd’hui un manque important de personnes possédant des compétences dans le domaine versus la demande grandissante.

C’est pourquoi la WiDS met non seulement l’accent sur la place des femmes dans le domaine, mais aussi sur la richesse due à la diversité des profils ne venant pas que de l’ingénierie ou des maths.
Une diversité qui apporte au domaine en réduisant les biais.

Les biais, c’est le mal

« Trop de filles va faire diminuer la réputation de l’école »,
c’est une citation qui a apparemment marqué Christine Halliot, aujourd’hui Head of Management Development Solutions dans le département Total Learning Solutions, parce que prononcée par le directeur de son école d’ingénieurs informatiques.

C’est l’introduction d’une question à se poser en Data Science : dans une science où on cherche à reproduire le comportement humain, cherche-t-on vraiment à reproduire ses biais ?

Ah, les biais… Un sujet récurrent au fil des conférences.
Ils posent en réalité une vraie question d’éthique lors qu’on voit le résultat présenté par Sihem Amer-Yahia, Research Director au
CNRS, suite à une étude faite sur une plateforme de mise en relation avec des free-lances :

Mais on se rend compte qu’éliminer les biais n’est pas aussi simple, comme le présente Cécile Wendling, directrice de la prospective chez Axa.

Elle explique qu’il est en effet illégal de prendre en compte le genre dans le prix de l’assurance automobile (parce que les femmes ont moins d’accident !).

Par contre, la couleur et le modèle de la voiture sont des facteurs étudiés, et ils se sont rendu compte qu’ils reproduisaient indirectement le biais parce que ce sont des indicateurs du genre du propriétaire.

L’éthique, l’humain, toi

Si je dois résumer l’après-midi sur une idée clé, c’est qu’il faut remettre l’éthique et l’humain au centre de la Data Science.
Remettre en cause les questions auxquelles on cherche à répondre, faire preuve de recul face aux résultats, mais aussi comprendre que non, l’humain n’est pas remplaçable, mais il peut être aidé dans sa prise de décision par la Data Science.

Aussi, toi, qui lis cet article, tu n’es peut-être pas dev ou ingénieur, peut-être que tu l’es, mais à l’ère où la data touche notre quotidien et toutes les entreprises, tous domaines confondus, comprendre la Data, c’est maîtriser le futur qu’elle représente plutôt que d’être un Will Smith en pleine dépression. (I, Robot… Quelqu’un ?…)

Et toi Nextonien, si le sujet t’intéresse, petite séquence auto-promo : je t’invite à me retrouver au MeetUp Data du 27 Mars 2019, même si tu n’y connais rien, et en fait, surtout si tu n’y connais rien, puisque c’est une introduction aux notions d’IA, de Machine Learning, de Data science, etc…

Lai