Accueil Big Data Le marché de la science des données et de l’IA pourrait être en train de subir un recalibrage

Le marché de la science des données et de l’IA pourrait être en train de subir un recalibrage

0
Le marché de la science des données et de l’IA pourrait être en train de subir un recalibrage


science des données-shutterstock-1081970570.jpg

Shutterstock

Être data scientist était censé être « le métier le plus sexy du 21e siècle ». Si le célèbre revue de Harvard business aphorisme de 2012 tient la route est quelque peu subjectif, selon la façon dont vous interprétez « sexy ». Cependant, les données relatives aux data scientists, ainsi que les rôles associés d’ingénierie et d’analyste de données, commencent à sonner l’alarme.

La partie subjective de l’aphorisme de HBR est de savoir si vous aimez réellement rechercher et nettoyer des données, créer et déboguer des pipelines de données et du code d’intégration, ainsi que créer et améliorer des modèles d’apprentissage automatique. Cette liste de tâches, dans cet ordre, est celle à laquelle les data scientists consacrent la plupart de leur temps.

Certaines personnes sont véritablement attirées par les carrières centrées sur les données en raison de la description de poste ; la croissance de la demande et des salaires en attire davantage. Tandis que le côtés sombres de la description de poste eux-mêmes ne sont pas inconnus, la partie croissance et salaires n’a pas été beaucoup contestée. Cela pourrait cependant changer : les postes de data scientists sont toujours en demande mais ne sont pas à l’abri des turbulences du marché.

Signaux mixtes

Début 2022, les premiers signes indiquant que quelque chose pourrait changer sont apparus. En tant que Analyse du spectre IEEE des données publiées par une société de recrutement en ligne a montré qu’en 2021, les salaires de l’IA et de l’apprentissage automatique ont chuté, même si, en moyenne, les salaires des technologies aux États-Unis ont augmenté de près de 7 %.

Dans l’ensemble, 2021 a été une bonne année pour les professionnels de la technologie aux États-Unis, avec un salaire moyen en hausse de 6,9 ​​% pour atteindre 104 566 $. Cependant, comme le note l’IEEE Spectrum, la concurrence pour les experts en apprentissage automatique, en traitement du langage naturel et en IA s’est atténuée, les salaires moyens ayant chuté respectivement de 2,1 %, 7,8 % et 8,9 %.

C’est la première fois que cela se produit ces dernières années, puisque les salaires moyens aux États-Unis pour les ingénieurs logiciels experts en apprentissage automatique, par exemple, ont bondi de 22 % en 2019 par rapport à 2018, puis ont encore augmenté de 3,1 % en 2020. Dans le même temps, la demande pour les rôles de data scientist ne montre aucun signe d’essoufflement, bien au contraire.

Les plateformes de recrutement de développeurs signalent une forte augmentation de la demande de compétences informatiques liées à la science des données. Le dernier Rapport sur les compétences informatiques par la plateforme de sélection et d’entretien des développeurs, DevSkiller a enregistré une augmentation de 295 % du nombre de tâches liées à la science des données que les recruteurs fixaient aux candidats lors du processus d’entretien au cours de 2021.

CodinGame et CoderPad Enquête sur l’embauche de techniciens 2022 a également identifié la science des données comme une profession pour laquelle la demande dépasse largement l’offre, au même titre que les spécialistes du DevOps et de l’apprentissage automatique. Par conséquent, ZDNet Notes d’Owen Hughesles employeurs devront réévaluer à la fois les salaires et les avantages sociaux qu’ils offrent à leurs employés s’ils espèrent rester compétitifs.

cours-des actions.jpg

Le marché de la science des données et de l’IA envoie des signaux mitigés

Georges Anadiotis

De plus, 2021 a vu ce qui est devenu connu sous le nom de «Grande démission » ou « Grand remaniement » — une époque où tout le monde repense tout, y compris sa carrière. En théorie, le fait qu’une partie du personnel redéfinisse sa trajectoire et ses objectifs et/ou démissionne devrait augmenter la demande et les salaires — analyses sur les raisons pour lesquelles les data scientists démissionnent et ce que les employeurs peuvent faire pour les retenir commencé à faire le tour.

Ensuite, il y a eu des licenciements, notamment des postes de data scientist, d’ingénieur de données et d’analyste de données. Comme Analyse de LinkedIn sur la dernière série de licenciementsl’année tumultueuse du secteur technologique a été marquée par des annonces quotidiennes de licenciements, de gels d’embauches et d’offres d’emploi annulées.

Environ 17 000 travailleurs de plus de 70 startups technologiques dans le monde ont été licenciés en mai, soit une hausse de 350 % par rapport à avril. Il s’agit du nombre le plus important de suppressions d’emplois dans le secteur depuis mai 2020, au plus fort de la pandémie. De plus, les géants de la technologie tels que Netflix et Pay Pal suppriment également des emplois, tandis que Uber, Lyft, Instantané et Méta ont ralenti les embauches.

Selon les données partagées par le site de suivi des licenciements technologiques Licenciements.pour info, les licenciements varient de 7% à 33% des effectifs dans les entreprises suivies. L’analyse des données spécifiques à l’entreprise montre que celles-ci incluent également des rôles orientés données.

En regardant les données de FinTech Klarna et startup d’assurance PolicyGenius Les licenciements, par exemple, montrent que les rôles de data scientist, d’ingénieur de données et d’analyste de données sont affectés aux niveaux junior et senior. Dans les deux entreprises, ces postes représentent environ 4 % des licenciements.

Des coolies de la haute technologie qui se codent eux-mêmes pour quitter leur travail

Que devons-nous alors penser de ces signaux contradictoires ? La demande pour des tâches liées à la science des données semble être forte, mais les salaires baissent et ces postes ne sont pas non plus à l’abri des licenciements. Chacun de ces signaux a son propre contexte et ses propres implications. Essayons de les analyser et voyons ce que leur confluence signifie pour les demandeurs d’emploi et les employeurs.

Comme l’a déclaré Michelle Marian, directrice du marketing de Dice, à IEEE Spectrum, divers facteurs contribuent probablement à la diminution des salaires en matière d’apprentissage automatique et d’IA, l’un des facteurs importants étant que de plus en plus de technologues apprennent et maîtrisent ces compétences :

« L’augmentation du bassin de talents au fil du temps peut obliger les employeurs à payer au moins un peu moins, étant donné que les compétences sont plus faciles à trouver. Nous avons vu cela se produire avec une gamme de certifications et d’autres compétences technologiques hautement spécialisées », a déclaré Mariale.

Cela semble être une conclusion raisonnable. Cependant, pour la science des données et l’apprentissage automatique, il peut également y avoir autre chose en jeu. Les data scientists et les experts en machine learning sont non seulement en concurrence les uns contre les autres, mais aussi de plus en plus contre l’automatisation. Comme le note Peter Yuen, gestionnaire de portefeuille quantitatif basé à Hong Kong : les quants ont déjà vu tout ça.

Incité par les nouvelles selon lesquelles les meilleurs chercheurs en IA touchent des salaires de l’ordre d’un million de dollars, Yuen écrit que cela « devrait être interprété plus précisément comme la continuation d’une longue tendance de coolies de haute technologie qui se retirent de leur emploi dans un contexte d’offre excédentaire mondiale de travail qualifié ».

Si l’on se fie à trois générations d’expérience des quants dans l’automatisation des marchés financiers, écrit Yuen, l’automatisation des praticiens de l’IA de base dans de nombreux secteurs n’est peut-être que d’ici une dizaine d’années. Après cela, ajoute-t-il, un petit groupe de praticiens d’élite de l’IA aura accédé au statut de gestionnaire ou de propriétaire, tandis que les autres seront coincés dans des emplois moyennement rémunérés chargés de surveiller et de maintenir leurs créations.

Nous en sommes peut-être déjà aux premiers stades de ce cycle, comme en témoignent des développements tels que ML automatique et des bibliothèques de modèles d’apprentissage automatique prêts à l’emploi. Si l’on s’en tient à l’histoire, alors ce que décrit Yuen se réalisera probablement aussi, ce qui soulèvera inévitablement des questions sur la façon dont les travailleurs déplacés peuvent « gravir les échelons ».

L’éclatement de la bulle de l’IA

Cependant, il est probablement prudent de supposer que les rôles en science des données n’auront pas trop à s’inquiéter de cela dans un avenir immédiat. Après tout, un autre Le fait souvent cité à propos des projets de science des données est qu’environ 80 % d’entre eux échouent encore. Pour plusieurs raisons. Un des plus les cas publics d’échec de la science des données étaient Zillow.

L’activité de Zillow en est venue à s’appuyer fortement sur l’équipe de science des données pour créer des modèles prédictifs précis pour son service d’achat de maison. Il s’est avéré que les modèles n’étaient pas aussi précis. En conséquence, les actions de l’entreprise ont chuté de plus de 30 % en 5 jours, le PDG a largement blâmé l’équipe de science des données et 25 % du personnel a été licencié.

La question de savoir si l’équipe de science des données était en faute chez Zillow reste à débattre. Quant aux récents licenciements, ils devraient probablement être considérés comme faisant partie d’un tournant plus important de l’économie plutôt que d’un échec des équipes de science des données en soi. En tant que rédacteur en chef de la communauté Data Science Central, Kurt Cagle écriton parle d’un hiver imminent de l’IA, rappelant la période des années 1970 où le financement des projets d’IA s’est complètement tari.

Cagle estime que même si un hiver de l’IA est peu probable, on peut s’attendre à un automne de l’IA avec un refroidissement d’un domaine de capital-risque exagéré dans l’espace. L’hiver de l’IA des années 1970 était en grande partie dû au fait que la technologie n’était pas à la hauteur et qu’il n’y avait pas suffisamment de données numérisées pour fonctionner.

bulle-de-savon-eme.jpg

L’ère de la bulle Internet pourrait réserver des leçons aux rôles actuels de la science des données.

Georges Anadiotis

Aujourd’hui, une puissance de calcul bien plus importante est disponible et la quantité de données monte également en flèche. Cagle affirme que le problème pourrait être que nous approchons des limites des architectures de réseaux neuronaux actuellement utilisées. Cagle ajoute qu’une période au cours de laquelle les esprits brillants peuvent réellement se reposer et innover plutôt que de simplement appliquer des idées établies ferait probablement du bien à l’industrie.

Comme beaucoup d’autres, Cagle souligne lacunes dans l’école de pensée « l’apprentissage profond pourra tout faire ». Cette critique semble valable, et l’intégration d’approches aujourd’hui négligées pourrait conduire à des progrès dans ce domaine. Cependant, n’oublions pas que le côté technologique n’est pas tout ce qui compte ici.

Peut-être que l’histoire récente peut offrir quelques éclaircissements : que peuvent nous apprendre l’histoire du développement logiciel et d’Internet ? D’une certaine manière, le point où nous en sommes aujourd’hui rappelle l’ère de la bulle Internet: disponibilité accrue de capitaux, spéculation excessive, attentes irréalistes et valorisations qui dépassent le plafond. Aujourd’hui, nous nous dirigeons peut-être vers l’éclatement de la bulle de l’IA.

Cela ne signifie pas que les rôles de la science des données perdront de leur attrait du jour au lendemain ou que ce qu’ils font est sans valeur. Après tout, les ingénieurs logiciels sont toujours recherchés pour tous les progrès et l’automatisation que le génie logiciel a connus au cours des dernières décennies. Mais cela signifie probablement qu’un recalibrage est nécessaire et que les attentes doivent être gérées en conséquence.



LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici