Analyste data augmenté par l’IA

Répondre à la question réellement posée — et savoir quand votre réponse est fausse.

Le métier d’analyste ne consiste pas à produire un chiffre. Il consiste à produire un chiffre sur lequel quelqu’un peut parier, et à dire clairement quand il ne le devrait pas. C’est autour de cette distinction que ce parcours est organisé, et c’est pourquoi la partie IA arrive en troisième et non en premier. Un modèle qui écrit du SQL plus vite que vous est réellement utile — il joindra aussi, avec assurance, deux tables sur une clé qui ne désigne pas la même chose des deux côtés, vous rendra un résultat plausible, bien formaté et faux, et ne mentionnera jamais qu’il a deviné. On ne supervise pas ce qu’on ne sait pas faire lentement à la main : vous commencez donc par les fondations ingrates, le langage de requête et le travail de nettoyage qui dévore la majeure partie de la semaine d’un analyste réel et n’apparaît dans aucun tutoriel. Puis les statistiques, enseignées défensivement — non pour calculer une p-value, mais pour savoir pourquoi la p-value calculée après avoir regardé les données ne vaut rien. Puis le copilote, utilisé comme un analyste senior utilise un junior rapide : lui donner le travail ennuyeux, tout vérifier, ne jamais le laisser toucher à la définition de l’indicateur. Et enfin la partie qui décide vraiment si votre travail sert à quelque chose : les douze minutes en réunion où vous devez dire ce que vous avez trouvé et ce dont vous n’êtes pas sûr, à des gens qui trancheront de toute façon.