Version classiqueVersion mobile
OpenEdition Books

Livre blanc — Une Science ouverte dans une République numérique — Guide stratégique

 | 
Direction de l’Information Scientifique et Technique - CNRS

Propositions pour l’application de la loi

La formation des chercheurs et personnels de recherche aux pratiques de TDM

Texte intégral

1Face à cette utilisation des outils du TDM, c’est aussi la formation des chercheurs à la pratique de la fouille de textes et de données qui est en jeu. Actuellement essentiellement dispensés dans les cursus d’informatique, les enseignements du TDM sont un atout évident qui reste à développer. Pour que toutes les sciences et tous les domaines de recherche puissent en bénéficier, il convient d’élargir son étude et son apprentissage à un maximum de cursus.

2Le TDM est un vecteur de dynamisme pour le capital humain d’un pays. L’ensemble des techniques qu’il représente sont demandeuses d’une main-d’œuvre qualifiée, voire très qualifiée.

La formation des métiers techniques

3D’un point de vue infrastructurel, le TDM implique la multiplication de data centers et de tous les personnels techniques nécessaires à ce développement : métiers de la construction, métiers de la maintenance informatique et technique, métiers de l’ingénierie numérique.

L’émergence de nouveaux métiers et qualifications

4Au-delà des infrastructures, c’est l’ensemble des métiers techniques spécifiques au TDM qu’il convient aussi de développer. Ces professions, spécialistes du big data ou du traitement des bases de données, forment un capital humain essentiel pour le dynamisme économique national. Leur formation est donc centrale.

La formation initiale des chercheurs

5Actuellement, trop peu de formations spécialisées sont orientées vers les connaissances issues du TDM. On notera dans le cas des universités un master mention informatique spécialisé en data mining à l’Université Lyon 21 ou encore à l’Université Paris 82, spécialisé en Big data et fouille de textes. Ces masters reviennent à former des ingénieurs informatiques compétents en deep learning, analyse et management des données, modélisation par graphes des résultats de fouille de textes… En plus des possibilités pour devenir chercheur ou enseignant-chercheur dans ces disciplines informatiques, les formations donnent aussi accès aux métiers de data scientist ou d’ingénieur d’étude, voire de chargé d’étude statistique. L’Université Paris 6 propose aussi un parcours de spécialisation en master, ainsi que celle de Nice Sophia-Antipolis ou Paris 13. Toutefois, ces formations sont restreintes (on compte 20 places en M2 à l’Université Paris 8 par exemple).

6Des spécialités d’analyse des données sont enfin dispensées dans des cursus économiques, comme à l’ESSEC (Data Science and Business Analytics) ou encore à la Toulouse Business School (Digital Intelligence and Marketing Intelligence).

7Or, les besoins se multipliant, la généralisation de tels parcours en fouille de données paraît nécessaire.

8On retrouve, à côté de ces formations universitaires ou spécialisées, des spécialisations en écoles d’ingénieurs. Polytechnique a par exemple lancé en 2014 une chaire de data scientist, en partenariat avec des entreprises comme Keyrus, Orange ou Thales3. Télécom Paritech est dans une même dynamique de formation, ainsi que d’autres écoles, réparties trop inégalement sur le territoire pour offrir des parcours aussi riches et valorisés qu’aux Etats-Unis, en Allemagne ou au Royaume-Uni.

9La centralité du TDM dans le marché de l’emploi a mieux été prise en compte dans d’autres pays, comme les pays anglo-saxons. C’est sur ce point que la France doit rattraper un retard de formation, malgré l’excellence des structures existantes. En Allemagne, des masters en computational and data science ou en data and knowledge engineering sont plus développés (Dortmund, Berlin notamment). Le Royaume-Uni et les Etats-Unis possèdent néanmoins les infrastructures et centres de formation les plus avancées dans ces domaines. On ne compte pas moins d’une vingtaine de formations différentes au Royaume-Uni, à Coventry, Leicester, Londres, Edinburgh, Lancaster, Nottingham, Oxford, Bristol, Norwich, Glasgow ou Sheffield. Une telle répartition géographique, éclatée sur le territoire national, a aussi comme corollaire une répartition technique : formation théorique et généraliste (Data Science, Machine Learning), formation appliquée (Applied Data Analytics), formation spécialisée (Business Intelligence Systems)…

10Dans le cas des Etats-Unis, la formation est aussi riche des centres de recherche spécialisés en TDM et en data science. C’est le cas de l’Université de New York et de son Center for Data Science notamment, ou de l’Université d’Harvard et le Berkman Center for Internet and Society. Un ensemble d’autres universités forment aussi au TDM, de façon plus développée qu’en France : Stanford, MIT, Northwestern University, Penn State, Indiana, University of Maryland, Carnegie Mellon, Berkeley…

11Ces formations sont essentielles pour dynamiser le capital humain mais aussi pour enrichir l’accroissement des connaissances.

La formation continue et les actions de sensibilisation

12Il convient également de sensibiliser et de former les doctorants, chercheurs et enseignants-chercheurs au dépôt, au partage et aux techniques de traitement des données.

13Cette sensibilisation peut passer par la rédaction d’un guide bonnes pratiques de l’open science, par des tutoriels et des offres de formation en ligne (e-learning).

14Cette offre de formation globale doit être structurée et s’articuler avec les acteurs nationaux déjà présents (Huma-Num, Inist, Persée, CCSD, URFIST, OST…) afin de proposer une offre nationale de formation en IST pour l’ensemble des communautés scientifiques.

Lire

Open access

Acheter