Entretien avec Dr. Hatim CHAHDI, Fondateur de DataScientist.fr

Découvrez notre entretien avec Hatim CHAHDI, docteur en Intelligence Artificielle et Tech Lead et fondateur de AXI Technologies et DataScientist.fr. Passionné par les nouvelles technologies et expert en data science, il partage aujourd’hui son parcours et ses perspectives sur l’évolution de ce secteur.

Bonjour Hatim, peux-tu te présenter ?

Bonjour, je suis Hatim CHAHDI, Docteur en Intelligence Artificielle et Tech Lead avec plus de 12 ans d’expériences professionnelles. Passionné par les nouvelles technologies et animé par la transmission, j’ai fondé AXI Technologies en 2020, un pure player data & IA qui accompagne les entreprises dans l’industrialisation de projets data et IA à forte valeur ajoutée. Puis DataScientist.fr, une plateforme de formations en ligne interactive, qui accompagne des particuliers, des écoles et des entreprises dans l’acquisition de compétences professionnalisantes en IA, Data et les certifications cloud Microsoft Azure.

Lire plus : Faire carrière en IA : métiers, compétences et salaires

Tu es Docteur en IA et Lead Data, peux-tu revenir sur ton parcours académique ?

Mon parcours académique s’articule autour d’études supérieures en informatique, orienté plutôt architecture et développement logiciel. Puis un doctorat en intelligence artificielle à l’Université de Montpellier. Mon parcours m’a permis d’acquérir des connaissances solides en IA, avec plusieurs publications scientifiques et déjà des interventions d’enseignement dans le master informatique de l’université de Montpellier. Mais il a surtout confirmé mon intérêt pour les aspects applicatifs et concrets du Machine Learning et du big data dans un cadre professionnel. C’est ce qui m’a poussé, durant et après ma thèse, à toujours chercher à travailler sur des projets ayant un fort impact business.

Tu as une carrière riche dans l’écosystème de la Data Science avec énormément d’expériences, peux-tu nous en dire davantage ?

Il faut dire que je suis chanceux. Tout au long de ma carrière, j’ai eu des opportunités professionnelles très enrichissantes qui m’ont permis de travailler sur des projets très intéressants offrant des contextes business et techniques variés, allant de start-ups à de grands groupes. Au fil des projets, ces expériences m’ont donné une vision transversale, à la fois stratégique et pratique, sur les meilleures approches et techniques permettant l’exploitation efficace des données, des modèles IA et des plateformes pour créer de la valeur métier et industrialiser efficacement les projets. J’ai par exemple eu la chance d’être le lead data d’un projet pionnier pour un grand groupe bancaire français. Nous avons conçu, développé et industrialisé le premier modèle machine learning touchant aux données bancaires transactionnelles, automatisant entièrement l’autorisation d’opérations spéciales. Ce modèle, intégré dans une solution applicative complète, a permis à la banque de réaliser plusieurs millions d’euros d’économies, de réduire significativement les erreurs, et d’améliorer considérablement la satisfaction client grâce à une réponse instantanée et transparente.

En 2020 tu lances AXI Technologies, en quoi ça consiste concrètement ?

AXI Technologies est une équipe de 15 experts passionnés par la data et l’IA. Nous proposons deux offres de services : Une offre de conseil et une plateforme de formation DataScientist.fr. Sur la partie conseil, nous sommes spécialisés en Data et IA et accompagnons nos clients sur tout le cycle de vie de leurs projets IA, de l’idéation à l’industrialisation ; Quant à notre plateforme de formations, nous y proposons différents types de programmes allant de formations courtes spécialisées à des bootcamps certifiants sur les métiers de la data, en passant par certifications sur Microsoft Azure et Power BI. Grâce à notre plateforme et à nos formateurs, nous réinventons l’acquisition des compétences avec notre approche pédagogique interactive et immersive.

Pourquoi avoir créé DataScientist.fr et quel problème cherches-tu à résoudre ?

J’ai créé DataScientist.fr pour répondre à un réel besoin de formations professionnalisantes, offrant des compétences pratiques et recherchées en entreprise. Ayant intervenu moi-même dans plusieurs masters et écoles d’ingénieurs, j’ai toujours constaté deux problématiques majeures : L’inadéquation entre les programmes enseignés et les besoins réels des entreprises. J’ai également remarqué le manque d’engagement des étudiants sur des cours trop théoriques, se limitant à des slides en PDFs et des fichiers de TP statiques. Ma vision est que les technologies actuelles de l’IA permettent de révolutionner l’apprentissage en maximisant l’engagement et en personnalisant le parcours de chaque apprenant.  C’est ce que nous avons fait avec DataScientist.fr et son équipe pédagogique formée d’experts reconnus. Notre mission est de permettre à chacun, quel que soit son niveau initial, de se former efficacement et d’accéder à des compétences concrètes et immédiatement applicables en offrant des contenus à jour, une interactivité maximale avec du live coding et des sandbox, ainsi qu’un accompagnement personnalisé au travers des sessions en direct et notre propre assistant IA.

Quelle est la plus grande erreur que font les entreprises aujourd’hui ?

En réalité, les entreprises commettent souvent plusieurs erreurs qui font échouer la mise en place de leurs projets. Les plus importantes pour moi sont le manque de vision stratégique claire orientée ROI, la sous-estimation de l’importance de la qualité des données et des choix d’infrastructure, et le manque de coordination entre les équipes business et techniques, qui ne sont souvent pas alignées sur les mêmes objectifs. Pour moi, la réussite des projets IA en entreprise repose sur 5 piliers : 

1. Définir clairement les objectifs et cas d’usage afin d’assurer un alignement stratégique avec les besoins métiers et clarifier le ROI recherché ;
2. Garantir continuellement une qualité de données optimale pour obtenir des résultats fiables ; 
3. Adopter des approches MLOps et DataOps sur les projets identifiés dès le départ pour maximiser le passage en production ; 
4. Impliquer activement les équipes métiers et techniques dès le début pour favoriser l’alignement sur les objectifs, une collaboration effective et l’appropriation du projet ;
5. Enfin, investir dans l’acculturation et la formation continue des collaborateurs aux possibilités offertes par IA, notamment l’IA générative, afin de développer leurs vision et compétences, faciliter l’adoption technologique et encourager une culture d’innovation permanente.

Comment un junior peut-il se différencier sur le marché ultra-compétitif de la Data Science ?

Le marché de la data et de l’IA est très porteur. Avec des investissements massifs alloués par les entreprises, les États et les fonds d’investissement, la demande sur les profils tech qui maîtrisent la data et l’IA est soutenue. Cependant, la démultiplication des formations depuis quelques années rend la concurrence rude pour les profils junior qui doivent investir sur leurs compétences, au-delà des programmes classiques, s’ils veulent décrocher des postes. Pour moi, un junior peut se démarquer en misant sur ces  éléments : 

1. Maîtriser les fondamentaux ;
2. Travailler sur des projets concrets de bout en bout (un lien d’une application déployée sur un CV est beaucoup plus parlant que des dizaines de lignes abstraites). 
3. Se spécialiser sur une verticale métier et tech (c’est important d’aller au-delà des fondamentaux). L’ia générative pour la finance est un exemple de verticale.
4. Obtenir des certifications professionnelles reconnues et demandées sur le marché de travail comme Microsoft Azure, AWS, GCP, Databricks, Dataiku, Alteryx, Power BI ou Talend (cela démontre une  pratique des outils réellement utilisés en entreprise).

Ces quatres éléments sont en théorie simples mais demandent un réel investissement pour être atteint. Ce que je conseille dans ce contexte de forte concurrence est de se faire accompagner par des professionels du milieu.

Quels sont les outils et compétences indispensables pour un Data Scientist en 2025 ?

En 2025, le rôle de Data Scientist évoluera pour intégrer des compétences en IA générative appliquée. Cependant, la maîtrise des fondamentaux reste un impératif. Cependant, avec l’avènement de l’IA générative et la maturité des outils no-code et low code pour l’autoML, il devient indispensable pour les jeunes data scientist de comprendre les enjeux de déploiement des solutions ML en intégrant les approches MLOps. Au-delà des compétences techniques, il est important aujourd’hui pour un data scientist de travailler sur les soft skills, qui prennent une place très importante dans son activité de tous les jours.

Quelles sont les erreurs fréquentes des recruteurs lorsqu’ils embauchent un Data Scientist ?

Je dirais que l’une des erreurs fréquentes est d’embaucher un data scientist trop tôt avant d’avoir travaillé sur une stratégie claire et les fondements de l’infrastructure de données.

Blague à part, les recruteurs commettent souvent l’erreur de définir trop vaguement le poste de Data Scientist, cherchant à recruter un profil unique capable de couvrir toutes les facettes du métier, allant de la modélisation complexe au data engineering, tout en négligeant les soft skills indispensables telles que la vulgarisation et l’adaptabilité aux contextes métiers spécifiques. En France particulièrement, ils surestiment souvent l’importance des diplômes au détriment de l’expérience pratique et des compétences opérationnelles acquises sur des projets concrets.

Lire plus : Black Mirror et la vraie vie : quelles technologies de la série sont déjà là ?

Comment vois-tu l’évolution du rôle du Data Scientist face à l’essor de l’IA générative ?

Avec l’essor de l’IA générative, mais également la maturité des outils autoML et les solutions no-code et low-code, le rôle du Data Scientist évolue vers une position encore plus stratégique. Ayant moi-même suivi ce changement depuis ma thèse en Intelligence Artificielle et mes différentes expériences professionnelles, je constate que l’automatisation des tâches répétitives augmente considérablement la productivité des Data Scientists et leur permet de pleinement valoriser leur expertise scientifique et métier. Plus que jamais, leur rôle consiste à guider les entreprises dans l’interprétation des résultats, l’identification des biais potentiels et l’opérationnalisation des modèles en production. L’époque des POC est terminée ! 

Personnellement, je suis convaincu que cette complémentarité entre l’humain et l’IA générative est une opportunité exceptionnelle : Ceux qui sauront combiner compréhension solide de l’IA, vision stratégique claire et capacité à collaborer avec les métiers deviendront les acteurs incontournables de cette transformation majeure.

Enfin, quels conseils donnerais-tu aux étudiants qui souhaiteraient s’orienter en Data Science ?

De commencer dès aujourd’hui, sans attendre ! Le domaine de l’IA et de la Data Science est passionnant, accessible et riche en opportunités. Ayant moi-même vécu l’évolution de ce secteur, je conseille aux étudiants d’acquérir une base solide en statistiques et en programmation, mais surtout d’apprendre par la pratique à travers des projets concrets. Sur DataScientist.fr, nous offrons d’ailleurs des formations gratuites pour encourager tous les curieux à franchir le pas et commencer à explorer cet univers fascinant.