Étudiant en cinquième année du MBA Data Solutions Architect & NWoW à ÉSTIAM, Fred Junior revient sur son parcours au sein de l’école. Entre projets concrets, défis techniques et rencontres humaines, il partage une expérience qui lui a permis de développer ses compétences et de construire progressivement son avenir professionnel dans la data science.
Pourquoi avoir choisi l’ÉSTIAM ?
Lorsque j’ai décidé de rejoindre le MBA Data de l’ÉSTIAM, je recherchais avant tout une école qui ne se contente pas de transmettre des connaissances théoriques. Je voulais une formation qui nous permette de mettre les mains dans le code, de confronter nos modèles à la réalité du terrain et de comprendre comment la data science peut répondre aux enjeux stratégiques d’une entreprise.
Aujourd’hui, à quelques mois de l’obtention de mon diplôme, je peux le dire : j’ai trouvé bien plus que ce que j’espérais.
Un apprentissage fondé sur la pratique
Ce qui m’a marqué dès mon arrivée à l’ÉSTIAM, c’est l’exigence bienveillante du corps enseignant. Les cours ne sont pas de simples monologues : nous sommes régulièrement challengés, encouragés à sortir de notre zone de confort et confrontés à des problématiques concrètes.
Il ne s’agit pas seulement de savoir développer un modèle. Nous devons aussi apprendre à nous poser les bonnes questions : est-il éthique ? Peut-il être maintenu et amélioré dans le temps ? Répond-il réellement aux besoins des utilisateurs et de l’entreprise ?
Cette approche nous pousse à aller au-delà de la technique pour réfléchir à la finalité et à l’impact de chaque projet.
J’ai également beaucoup apprécié la diversité des profils au sein de ma promotion. Nous venons tous d’horizons différents, avec des parcours et des compétences complémentaires. Cette richesse rend les projets collectifs particulièrement formateurs : nous apprenons autant de nos camarades que de nos professeurs.
FraudGuard AI : concevoir une solution de bout en bout
Parmi les projets dont je suis le plus fier figure FraudGuard AI, un système intelligent de détection de la fraude bancaire que j’ai conçu et déployé.
Ce projet m’a permis de comprendre qu’un modèle de machine learning performant ne suffit pas à créer une solution réellement utile. Il faut également penser à l’ensemble de son environnement : l’architecture technique, l’interface utilisateur et la manière dont les équipes métiers vont l’utiliser au quotidien.
J’ai ainsi intégré un moteur de scoring automatique, une file d’attente destinée aux investigations humaines ainsi qu’un tableau de bord permettant de suivre les données en temps réel.
Ce projet m’a appris à adopter une approche globale, de la conception du modèle jusqu’à son utilisation concrète. C’est précisément ce type de réflexion de bout en bout que nous développons à l’ÉSTIAM.
Explorer le Quantum Machine Learning
Plus récemment, je me suis intéressé au Quantum Machine Learning, un domaine émergent à la croisée de l’informatique quantique et de l’intelligence artificielle.
Le développement d’un classificateur quantique variationnel m’a confronté à des concepts mathématiques particulièrement complexes. Ce travail m’a surtout appris à accepter de me tromper, à tester différentes approches et à progresser par itérations.
Face à un sujet aussi nouveau, il faut savoir avancer sans disposer immédiatement de toutes les réponses. C’est aussi cela, l’esprit ÉSTIAM : rester curieux, expérimenter et ne pas avoir peur de l’inconnu.
Apprendre à penser comme un data scientist
Au-delà des compétences techniques acquises en Python, machine learning, MLOps ou encore en déploiement d’applications, l’ÉSTIAM m’a appris à raisonner comme un data scientist professionnel.
J’ai notamment compris qu’un modèle, aussi performant soit-il, perd une grande partie de sa valeur si ses résultats ne sont pas compris par les équipes métiers. Il faut savoir expliquer sa démarche, présenter clairement ses conclusions et démontrer l’intérêt concret de la solution développée.
Au fil de ma formation, j’ai donc appris à communiquer mes résultats, à défendre mes choix techniques et à accueillir les retours constructifs. Les présentations régulières, les soutenances et l’accompagnement des enseignants nous permettent de développer ces compétences humaines essentielles.
Les professeurs ne se contentent pas de transmettre leur expertise : ils nous accompagnent comme de véritables mentors dans la construction de notre posture professionnelle.
Mon conseil aux futurs étudiants
Si vous hésitez à rejoindre l’ÉSTIAM, mon conseil est simple : venez avec de la curiosité et l’envie de vous investir pleinement.
La data science est un domaine en constante évolution. L’école nous apporte des connaissances et des outils, mais elle nous apprend surtout à continuer d’apprendre tout au long de notre carrière.
Ne vous contentez pas de suivre les cours : posez des questions, lancez vos propres projets et n’ayez pas peur de l’échec. C’est en expérimentant, en se trompant et en recommençant que l’on finit par trouver les meilleures solutions.
Profitez également pleinement de l’écosystème de l’ÉSTIAM. Les enseignants sont accessibles, les promotions sont soudées et les occasions de progresser sont nombreuses.
Pour moi, l’ÉSTIAM a été bien plus qu’une école : elle a constitué un véritable tremplin vers la carrière que je souhaite construire. Je suis fier d’en faire partie.
