“… et nous ne sommes pas loin du jour où il sera évident que, pour exercer la citoyenneté efficacement, il sera autant nécessaire de savoir calculer et de réfléchir en moyennes, maximums et minimums, qu’il l’est aujourd’hui de savoir lire et écrire” – H.G. Wells, “Mankind in the Making” (1903)

Actuellement, 95 millions de terabites de données sont générés tous les jours (un terabyte est équivalent à 1024 gigabytes), et des spécialistes sont demandés pour les traiter et sélectionner les informations les plus importantes, les interpréter et ainsi produire des informations utiles, aidant à prendre des décisions assertives. Vu l’importance de ce domaine, il n’est pas surprenant d’apprendre que plusieurs écoles et universités offrent des cours avec l’objectif de former des statisticiens et scientifiques de données. Cet article parlera des premiers.

Les meilleures écoles et universités

Selon le QS World University Rankings by Subject 2023 (Classement des meilleures universités du monde par domaine en 2023 de QS, traduction libre),

divulgué par Quacquarelli Symonds, les dix meilleures écoles supérieures et universités pour étudier les statistiques en europe sont:

1. University of Cambridge, à Cambridge, Royaume Uni (4ème meilleure au monde)
2. University of Oxford, à Oxford, Royaume Uni (6ème au monde)
3. ETH Zurich, à Zurich, Suisse (7ème au monde)
4. Imperial College of London, à Londres, Royaume Uni (8ème au monde)
5. The University of Warwick, à Coventry, Royaume Uni (16ème au monde)
6. Université PSL, à Paris, France (22ème au monde)
7. Institut Polytechnique de Paris, à Paris, France (23ème au monde)
8. Université de Sorbonne, à Paris, France (26ème au monde)
9. The London School of Economics and Political Science, à Londres, Royaume Uni (27ème au monde)
10. Technical University of Munich, à Munich, Allemagne

Sphères d’emploi 

Le statisticien peut travailler dans plusieurs domaines d’emploi, vu l’utilité générale des matières du cours, ses applications dans presque tous les secteurs de travail, et la grande demande actuelle pour ces professionnels.

Parmi les possibilités se trouvent: 

• Le marché financier: l’un des domaines le mieux payé, avec plus de postes d’emploi et valorisation du travail, les statisticiens actent dans les banques, la bourse, l’analyse de risque et autres niches spécifiques aux banques.
• L’industrie: dans l’industrie, le statisticien peut travailler en contrôlant la qualité des produits, améliorant des systèmes et en collectant des données de satisfaction de clients et fonctionnaires.
• L’agroalimentaire: l’agroalimentaire industriel s’aide beaucoup des statistiques pour améliorer son efficacité, avec, par exemple, l’analyse de production, en cherchant l’animal ou la plante qui produit mieux, ou des projections de prix pour les marchandises.
• L’étude de marché: présente dans toute grande compagnie, l’étude de marché est un des domaines les plus connus des statistiques, avec des recherches électorales et d’opinion, des recensements et des tests aveugles.
• La biomédecine et l’industrie pharmacienne: là, les statisticiens vérifient l’efficacité et les effets des médicaments, leur présence étant obligatoire pendant tout le processus de production.
• L’informatique et télécommunications: dans ce domaine, les professionnels élaborent des modèles et simulations pour résoudre des problèmes complexes, contenant du machine learning, deep learning et bootstrap. Ces termes seront mieux élaborés dans la prochaine section.
• L’environnement: les altérations qui se sont produites dans l’environnement peuvent être étudiées par des modèles statistiques, comme des modèles prédictifs et de régression, fournissant des informations importantes sur la situation globale et nos prochain pas.
• le Big Data: ici le statisticien travaille avec des quantités massives de données (des bases de données avec centaines de millions ou même billions d’entrées!), utilisant des outils qui rendent possible le traitement et utilisation de ces montagnes d’information. Ce secteur grandit de plus en plus dans le marché d’emploi, surtout dans l’espace tech.
• et les universités, où il est possible d’agir en tant que chercheur, augmentant l’étendue des statistiques avec des nouvelles découvertes, ou en tant qu’enseignant, aidant à former les prochains professionnels du domaine.

 entre autres.

Perspectives pour l’avenir

Avec ces informations, il est clair que le domaine des statistiques a une amplitude d’applications énorme dans le marché d’emploi et la recherche scientifique, et il y a encore beaucoup d’espace pour élargir son étendue. Au fur et à mesure que les données gagnent de l’importance dans la prise de décision, aussi bien pour les entreprises que le secteur public, les statisticiens gagnent beaucoup d’espace dans l’actualité. Pourtant, les possibilités ne s’arrêtent pas là! De nos jours, la popularisation du data science valorise des techniques comme le machine learning, le deep learning et le bootstrap, mentionnées antérieurement, intéressantes pour leur utilité comme pour leur innovation.

Livrée comme promise, voici l’explication de ces étrange termes:

• Machine Learning: Aussi connu sous le nom d’apprentissage machine, consiste en des techniques qui utilisent l’intelligence artificielle pour reconnaître des motifs avec le minimum d’interférence humaine, entraînant la machine à apprendre et s’améliorer. Ça peut paraître lointain ou dystopique au début, mais le machine learning est partout dans nos vies quotidiennes! Par exemple, le film que Netflix te recommande, les pubs qu’Instagram te montre ou même les voitures autonomes en développement, tous utilisent des techniques de machine learning pour identifier ce que tu aimerais regarder, le meilleur chemin à prendre ou le produit dont tu viens de parler et qui déclenche, dans l’algorithme, les publicités à venir.

• Deep Learning: Le deep learning, comme son nom le suggère, est un domaine du machine learning, travaillant avec des techniques de très haut niveau pour modeler et reconnaître des structures complexes comme la parole, des sons ou des images. L’utilisation permet aussi bien de faire un assistant personnel comme Alexa ou Cortana reconnaître des demandes – “Alexa, ouvre les volets” – jusqu’à, dans le futur, comprendre le langage des cachalots!
• Bootstrap: Le nom est une expression anglaise qui signifie l’amélioration même quand il ne semble pas possible. Le bootstrap est un outil qui utilise et réutilise des échantillons pour améliorer un résultat statistique populationnel en les réarrangeant en différents échantillons.

Avec tous les noms, termes et techniques, il peut être difficile de comprendre ce que fait vraiment un statisticien. L’une des professions du futur, la demande pour ce type de professionel continuera à grandir dans les prochaines années avec les quantités de plus en plus grandes de données. 

Adaptation et traduction au français par Caio Théodore G. H. O.Version originale (Portugais) par Bianca da Silva, Décio M. Filho e Lucas Perondi Kist