Andrew Kelly d'Accenture explore les débuts de sa carrière dans le paysage irlandais de la science des données et la manière dont d'autres pourraient forger un cheminement de carrière similaire.
Andrew Kelly, un cadre supérieur de IA et données chez Accenture, étudiait un diplôme d'ingénieur lorsqu'il a débuté comme stagiaire au sein de l'organisation. Il a expliqué que c'était la première fois qu'il était réellement exposé à la science des données, en travaillant avec des données pour trouver des modèles et produire des informations.
Il a déclaré à SiliconRepublic.com : « J'ai toujours aimé les mathématiques et les matières quantitatives, mais là c'était différent. C'était pratique, appliqué et il y avait une raison commerciale claire derrière cela. Quelque chose a déclic. Je suis retourné à l'université, j'ai terminé ma maîtrise en ingénierie, mais je savais déjà où je voulais finir. »
Peu de temps après, Kelly a rejoint Accenture en tant que diplômé et a immédiatement recommencé à travailler dans le domaine de l'analyse, mais a également commencé à se diversifier dans les domaines de la business intelligence, du reporting, de l'ingénierie des données, de GenAI, services financiers et, de plus en plus, le secteur bancaire.
Kelly a déclaré : « Ces dernières années, mon objectif est passé d'être un praticien des données à aider les clients du secteur bancaire à jeter les bases de l'IA à grande échelle – les plates-formes, la gouvernance, les cadres de risque et les processus d'IA responsables qui doivent être derrière tout cela – tout en essayant simultanément de fournir une valeur réelle et mesurable assez rapidement pour prouver que cela fonctionne.
L'écosystème irlandais de la science des données
Comme le constate Kelly, l’Irlande se trouve « dans une position prometteuse mais inachevée » dans un espace qui a permis une forte accélération de l’adoption de l’IA. Selon un rapport précédent publié par Accenture, le nombre d'employés irlandais utilisant quotidiennement les outils GenAI est presque le triple du chiffre observé il y a à peine deux ans.
Cependant, il estime que cela doit encore se traduire par une transformation organisationnelle plus visible et plus efficace, notant qu'elle ne prend en réalité effet qu'au niveau individuel plutôt qu'à l'échelle de l'entreprise dans son ensemble.
« Ce que je constate systématiquement dans les organisations, c'est le traitement de l'IA comme une initiative technologique plutôt que comme une réinvention commerciale. Il existe une forte tentation d'automatiser des étapes isolées dans un processus, d'adopter un flux de travail en plusieurs étapes et d'en automatiser une partie », a déclaré Kelly.
« Il ne s'agit pas d'une transformation. Les organisations qui vont de l'avant sont celles qui se posent une question fondamentalement différente : 'Comment l'IA change-t-elle notre façon de travailler de bout en bout ?' ou « Comment cela change-t-il la façon dont nous interagissons avec les clients ? » Cela nécessite une réinvention des processus, et non une automatisation des points.
Il existe une lacune dans la recherche, constate-t-il, puisque seulement environ 10 % des organisations irlandaises ont atteint ce qu'Accenture qualifierait de statut de « scaler », c'est-à-dire où l'IA est intégrée dans les opérations de base. La majorité est encore en train d’expérimenter et d’intégrer, en grande partie en silos.
« Les défis liés aux données, à la gouvernance et aux infrastructures existantes constituent de réelles contraintes. Mais le problème le plus profond est souvent celui de la clarté stratégique. Les investissements en IA doivent être axés sur la valeur, liés aux résultats commerciaux de haut niveau, et non pilotés par la technologie elle-même. «
« Le signal encourageant est que l'Irlande dispose des bons ingrédients : talents, infrastructures, cadre réglementaire et véritable ambition nationale. La question est de l'exécution à grande échelle, et le temps presse. »
À quoi ressemble l’avenir ?
Même s'il n'y a pas si longtemps, beaucoup de choses ont changé dans la science des données et dans l'espace STEM au sens large depuis que Kelly a commencé sa carrière.
Il a expliqué qu'au début de son parcours, le travail était souvent centré sur le développement de modèles prédictifs dans le code et la conduite de projets de science des données destinés à des parties spécifiques de l'entreprise. Les conversations étaient « en grande partie techniques » et les résultats étaient « significatifs mais relativement limités dans leur portée organisationnelle ».
« Ce qui a fondamentalement changé, c'est l'étendue de son impact. La GenAI nécessite toujours une expertise approfondie pour bien construire et gouverner, mais sa portée s'étend bien au-delà de ceux qui la construisent. Elle imprègne les processus dans des organisations entières, touchant les rôles, les flux de travail et les interactions avec les clients, ce que l'apprentissage automatique traditionnel n'a jamais atteint de la même manière. »
Les attentes en matière de compétences se sont également quelque peu transformées. De nos jours, la préparation de l’ensemble du personnel à l’IA est devenue une capacité essentielle.
« La maîtrise de l'IA ne peut plus se limiter aux équipes qui construisent la technologie. Elle doit être distribuée dans toute l'entreprise. Ce qui n'a pas changé, c'est le rythme du changement lui-même. Il a toujours été rapide dans le domaine de la technologie, mais il s'accélère d'une manière que les organisations doivent gérer activement », a déclaré Kelly.
« La base technique est importante : comprendre suffisamment bien l'ingénierie des données, l'apprentissage automatique, l'architecture de la plateforme et la gouvernance pour avoir des conversations crédibles avec les praticiens et les clients seniors. Mais dans mon quotidien, les compétences sur lesquelles je m'appuie le plus ne sont pas techniques. »
Au lieu de cela, il utilise régulièrement un large éventail de compétences qui lui permettent de naviguer dans des environnements complexes avec des professionnels de la réglementation, du risque, de la technologie, des affaires et de la haute direction, « souvent simultanément et avec des priorités concurrentes ».
Il a ajouté : « La capacité à traduire entre les équipes techniques et les décideurs commerciaux, entre ce que l’IA peut faire et ce qu’elle devrait faire, est probablement la compétence que j’utilise le plus. »
Cultiver une carrière
Mais surtout, l’attribut qui ressort le plus dans un contexte de carrière n’est pas un parcours parfait, mais une démonstration d’un véritable intérêt.
Kelly lui-même a accédé à son rôle initial de stagiaire, passant de ingénierie dans la science des données, et il se demandait souvent au début si son profil technique était suffisamment comparable à celui de personnes ayant étudié directement l'informatique ou les statistiques.
« C'était déplacé. Ce que j'avais, c'était la curiosité et la volonté d'apprendre et, avec le recul, cela comptait bien plus. La deuxième chose, et c'est quelque chose que je dois encore me rappeler, est de faire la paix avec le fait de ne pas tout savoir. Dans l'IA en particulier, ce sentiment d'être légèrement en retard est essentiellement universel.
« Tout le monde apprend avec cette technologie. Les organisations et les individus qui progressent ne sont pas nécessairement ceux qui possèdent le plus de connaissances préalables. Ce sont ceux qui ont les plus grandes aptitudes et le plus grand appétit pour apprendre continuellement à mesure que les choses évoluent.
« Ce que je recherche lorsque j'embauche, c'est exactement cela : la capacité de reprendre les choses en main, de s'adapter et de grandir. Les compétences peuvent être acquises. Cette orientation, cette véritable curiosité et cette résilience sont plus difficiles à enseigner. Si vous l'avez, le reste a tendance à suivre. »
