> Retour à l'accueil du blog

Reconversion de l'industrie à la data science

Illustration de Nora sur fond bleu

Dans cet épisode, nous recevons Nora, une ingénieure qui travaillait dans l'industrie lourde avant de se reconvertir dans la data science. Elle nous raconte son parcours et comment elle s'est formée avec Openclassrooms

Vous souhaitez de l'aide pour vous reconvertir dans le digital ?
Découvrez les coachings de Go Fenix !

Transcription :

Est-ce que tu pourrais te présenter et présenter ton parcours ?

Moi, je suis Nora. J'ai 36 ans bientôt et j'ai commencé ma carrière dans la science des matériaux. J'ai fait un parcours universitaire un peu classique avec une licence, un master et après un doctorat en sciences des matériaux. C'est une discipline qui a lié la physique et la chimie. C'est vraiment une discipline qui est au milieu. Le but, c'est de créer et de tester des nouveaux matériaux. Moi, je travaille sur les plastiques et les composites. J'ai travaillé 10 ans après ma thèse dessus. J'étais plutôt dans un secteur automobile et j'ai travaillé sur des postes un petit peu transverses. Au début, c'était plutôt expérimental et après, plus ça allait, plus j'ai eu des postes plutôt de management.

Après cette carrière, à un moment donné, je me suis posée des questions sur mon avenir professionnel et j'ai eu la chance de travailler avec des data scientists qui m'ont un peu sensibilisée à ce qu'était la donnée ou à qu'est-ce qu'on pouvait en faire. Bien que dans mon parcours avant, j'utilisais beaucoup la donnée, mais je ne l'utilisais pas de cette manière et avec des volumes aussi importants.

J'ai fait une petite enquête métier parce que ça m'intéressait beaucoup et j'avais très envie de connaître plus, mais de savoir si ce métier était adapté à mes compétences, à ce que j'aimais faire. En gros, j'ai fait un questionnaire et j'ai été voir une des personnes qui étaient sur des métiers qui m'intéressaient. Et suite à ça, j'ai entamé une reconversion, c'est-à-dire que j'ai travaillé les maths, la statistique et la programmation. Et enfin, j'ai postulé dans une école, j'ai été acceptée. Et après, j'ai choisi de faire une alternance pour ma reconversion professionnelle. Et là, je suis sur la fin de mon alternance actuellement, au Centre de recherche et innovation de Capgemini, Rhône-Alpes.

Tu parles des enquêtes métier pour conforter ton choix. Qu'est ce qui t'a convaincue d'aller dans la data science ?

C'était un peu l'humour geek. Je me suis sentie tout de suite à ma place. En fait, je me reconnaissais beaucoup dans le métier de data scientist parce qu'en gros, moi, quand j'étais manager, je collectais les besoins de mes clients. Ils étaient internes, mais c'était des clients. Et après, le but, c'était vraiment de proposer l'expertise de mon service pour répondre à leurs questions. Et en fait, data scientist, c'est un peu ça l'idée. En gros, nous, on a des outils qu'on va mettre au service d'un métier. Moi, ce qui m'a vraiment beaucoup plu là-dessus, c'est que j'aime beaucoup apprendre. Et avec ce métier, la technologie évolue très vite. Si on aime apprendre, c'est quelque chose qui me nourrit tous les jours.

En plus, moi, je peux travailler avec des acteurs très différents. Quand je dis « acteur », ça peut être un médecin, ça peut être un météorologue, ça peut être vraiment quelqu'un qui a le métier et qui a besoin de toute la machinerie derrière que moi, je sais faire. C'est vraiment ce côté un peu acteur que j'aime bien, le fait de pouvoir un peu changer de peau en fonction des projets.

Oui, il y a une grande diversité dans les problématiques qu'on peut adresser dans plusieurs secteurs grâce à la data science.

Oui, c'est ça. Et c'est vrai que ce qui était un tout petit peu surprenant quand j'ai fait les enquêtes métier, c'est qu'on se fait un peu une idée type du geek qui va être derrière son ordinateur et qui va pas être très sociable. Mais en fait, moi, de toutes les personnes que j'ai rencontrées quand j'ai demandé quels étaient les savoir-être et les savoir-faire qu'il fallait pour ce métier, la majorité du temps m'a répondu la curiosité, l'autonomie, l'envie d'apprendre, mais aussi le fait d'avoir une écoute active, justement, pour pouvoir recueillir ce besoin client. Et c'est vrai que c'est quelque chose qui est très important dans mon métier.

Tu parles du côté geek. Est-ce que tu avais d'autres idées reçues sur la data science avant de te lancer ?

Qu'il fallait être très bon en maths. Effectivement, moi, j'ai retravaillé les maths quand même parce que je n'avais pas envie de travailler avec juste des boîtes noires et des modèles sans les comprendre. Mais ce n'est pas forcément la difficulté qui est la plus la plus haute.

Et par la suite, comment tu t'es prise au développeur pour te former ? Tu t'es remise à niveau en maths. Quelles formations as-tu suivies ?

Au début, j'avais dans l'idée d'entrer chez OpenClassrooms. C'était déjà, en fait, une plateforme que j'utilisais pour les cours gratuits. Moi, j'avais refait un petit peu de code là-dessus. Du coup, je connaissais bien et je ne connaissais pas, par contre, la partie vraiment diplômante. Je me suis renseignée déjà sur le niveau qu'il fallait acquérir. Il y a des tests de positionnement, donc c'était assez facile.

Après, j'ai fait un programme de formation. Je me suis entourée de personnes qui connaissaient ces métiers-là. J'ai fait mon programme de formation et après, j'ai passé le test de positionnement et j'ai été acceptée chez OpenClassrooms. Et en fait, dans cette formation, on a un coach pour nous aider à trouver un emploi quand on est sur le parcours alternance. Du coup, j'ai suivi les conseils et puis ça a bien marché.

Dans tout ce parcours, qu'est-ce qui a été le plus difficile ? Est-ce qu'il y a des moments où tu as douté dans ta reconversion ?

« Douté », c'est un grand mot, parce que je suis très épanouie au travail actuellement. J'ai eu la chance de tomber dans une équipe vraiment très bienveillante et qui avait l'habitude de travail des alternants. Donc, ma chef et mon encadrant me proposaient des missions internes qui correspondaient à mon niveau et à mes envies. Donc, j'ai pas eu vraiment de grands doutes.

Par contre, ce qui est un petit peu difficile, c'est quand on a travaillé déjà 10 ans, on a acquis un certain nombre d'expériences, on est sûr de soi. Et c'est vrai que de repartir à un niveau vraiment débutant, c'est quelque chose qui est un petit peu déstabilisant et il faut s'accrocher. Il faut se dire que ce n'est pas grave, que c'est une étape et que, par contre, on ne repart pas complètement à 0 dans sa carrière parce qu'il y a tout le savoir-être, toutes les expériences qu'on a pu avoir avant, toute la connaissance dans l'entreprise qui reste là.

Tu as parlé un peu tout à l'heure de la diversité, de ce côté acteur, mais plus généralement, qu'est-ce qui te plaît dans ton nouveau métier ?

Moi, j'aime vraiment l'analyse de données. Déjà, moi, quand je faisais ma thèse, c'était le côté « Qu'est-ce qu'on fait de ces données ? » qui m'intéressait le plus. C'est vraiment le fait d'arriver à faire ressortir des tendances qu'on n'arrive pas à voir avec des outils de test statistiques forcément classiques. Ce que j'aime beaucoup, c'est que j'ai un petit peu l'impression d'être Madame Irma, c'est-à-dire que je récupère des statistiques et j'essaye de faire des prédictions avec. Ça, je trouve ça vraiment chouette parce que ça permet de résoudre des problèmes qu'on n'arrivait pas à faire il y a 10 ans. Résoudre des problèmes, je crois que c'est vraiment ce qui m'intéresse dans la vie.

Si on t'avait dit il y a 3 ans que tu évoluerais dans la data science, tu l'aurais cru ?

Il y a 3 ans, je crois que je commençais à toucher du doigt ce métier parce que, comme j'ai dit avant, à un moment donné, quand j'étais manager, mon rôle était de travailler pour des clients internes et certains de mes clients internes étaient des data scientists. Du coup, c'est un petit peu comme ça qu'en travaillant avec eux, que j'ai compris ce qu'était le métier et les tenants et les aboutissants. Mais par contre, il y a 3 ans, je me serais pas du tout dit que j'allais faire ça après.

Quels conseils donnerais-tu aux personnes comme toi qui veulent se reconvertir dans la data science ?

Je pense qu'il faut faire une petite introspection avant, parce qu'il faut pas non plus considérer la reconversion comme une fuite en avant. C'est-à-dire que si on ne s'épanouit pas dans son travail, ce n'est pas magique de changer de métier. Mais par contre, je pense que ça peut être vraiment un levier si on se pose les bonnes questions, si on sait pourquoi on aime plus son métier ou vers où on a envie d'aller.

Une fois qu'on a ça, déjà, je trouve que c'est une bonne idée parce que ça évite de subir une carrière qui est un peu en point mort. Moi, dans mon cas, c'était pas que ma carrière m'intéressait plus, c'était qu'il y avait le Covid et que la recherche pendant les crises, c'est en général les premiers services qui sautent. Et au lieu de me dire « Je vois, j'attends que ça reparte », la croissance, c'est quelque chose sur lequel je n'avais absolument pas de levier.

Du coup, le fait de pouvoir changer de métier, ça me permettait aussi d'être actrice de ma carrière. Et du coup, je pense que ça peut valoir le coup de se poser des questions et puis de ne pas avoir peur, parce qu' actuellement, c'est très dans l'air du temps de changer de métier.

On peut être accompagné, notamment par des entreprises comme Go Fenix. Et je trouve que par rapport aux générations précédentes, c'est beaucoup plus facile de faire une reconversion. Donc, il faut saisir, je pense, cette opportunité.

Go Fenix vous aide à trouver votre voie, votre formation et votre 1er emploi dans le digital.
Retrouvez nos accompagnements sur www.gofenix.io
Découvrez le coaching de Go Fenix !
Go Fenix vous aide à trouver votre voie, votre formation et votre 1er emploi dans le digital.
Retrouvez nos coachings sur www.gofenix.io
Découvrez les coachings de Go Fenix !