Les entreprises, en particulier du secteur bancaire et de l’assurance, opèrent une montée en puissance en ce qui concerne l’analyse des données. Dans ce cadre, elles recherchent de plus en plus de data scientists, c’est-à-dire des spécialistes capables d’exploiter les données, notamment sur le plan financier. Ce type de profils encore rares se voit offrir des rémunérations attractives.
Un nouveau métier est apparu depuis peu dans le secteur financier : celui de data scientist. «Alors que les entreprises sont aujourd’hui submergées de données, ma mission est de leur donner les moyens de les utiliser afin de piloter leurs risques, en particulier dans leur relation clients», résume Jonathan Horyn, data scientist au sein du pôle financier chez EY.
Le métier de data scientist consiste en effet à organiser les données à la fois internes (fichier client, ERP, etc.) et externes (réseaux sociaux, forums, statistiques en libre accès sur Internet, etc.) nécessaires à l’entreprise. Ces données sont ensuite compilées de manière à pouvoir mieux les exploiter. Le data scientist met ainsi en place des algorithmes complexes qui peuvent alors détecter automatiquement des flux atypiques, notamment financiers. Ceux-ci permettent ainsi de nombreuses applications concrètes comme la lutte contre la fraude, la mise en place d’outil de modélisation de couverture des taux et des matières premières, une meilleure tarification des offres, une analyse plus poussée de nouveaux marchés, la création de reportings dynamiques (voir encadré), etc.
Des profils financiers et data scientists rares
Pour mieux traiter ce type de problématiques, certaines entreprises commencent ainsi à recruter des experts maîtrisant la science des données. Mais comme le métier est encore en train de se dessiner, ceux recrutés ont un parcours assez hétérogène. Quelques tendances se dessinent néanmoins. «Les assureurs et les banquiers recrutent surtout des profils venant des statistiques et ayant acquis par ailleurs des compétences en informatique», témoigne Michel de Chermont, consultant chez Hudson. En parallèle, de manière encore balbutiante, quelques financiers tentent aussi de se spécialiser.«D’anciens analystes quantitatifs dans la finance de marché, évoluent vers les data sciences, mais cela reste encore rare», ajoute Michel de Chermont. Les financiers, ayant une formation d’ingénieur, sont également des profils de choix. «Après ma formation d’ingénieur à Supelec, j’ai commencé dans la vente de produits financiers au sein de grandes banques françaises, explique Jonathan Horyn. J’ai rejoint ensuite le conseil où je me suis spécialisé, grâce également à une formation complémentaire d’actuaire, dans la data science pour les assureurs. Ce mix de compétences m’a permis de trouver un poste de data scientist chez EY en 2014.»
Les cabinets de conseils cherchent en effet depuis quelques années des profils alliant compétences financières et analyse de données.
«Pour déployer nos solutions de «smart reporting», c’est-à-dire de reporting intelligent avec une analyse financière automatisée et prédictive, nous avons besoin de financiers capables d’intégrer ces évolutions de manière opérationnelle chez nos clients», témoigne Franck Chevalier, associé Data & Analytics au sein des activités services financiers d’EY. Un constat partagé par PwC. «Analyser des données ne saurait suffire : nous avons besoin de professionnels capables de comprendre le métier, analyse Thomas Estève, directeur chez PwC, en charge notamment des aspects analyses des données pour la détection et l’investigation des fraudes. Sur le volet financier, nous cherchons donc des consultants ayant une connaissance des cycles comptables et des cycles de trésorerie ainsi qu’une expérience dans le déploiement ou l’amélioration de systèmes d’informations comptables.»
De nouveaux besoins à venir
En 2016, les grands cabinets de conseils devraient continuer de recruter significativement en ce sens. «Nous envisageons de doubler nos équipes cette année», ajoute Thomas Estève. Cette tendance devrait même se prolonger à l’avenir, compte tenu du développement de ce secteur d’activité. «Notre chiffre d’affaires sur le secteur big data dans la finance, qui représente une centaine de millions de dollars en Europe, devrait tripler d’ici à 2020», estime Franck Chevalier. Ce dynamisme permet de convaincre des banquiers, des assureurs ou des gestionnaires d’actifs aguerris de nous rejoindre pour participer au développement des activités d’analyse de données.»
Si pour le moment ce sont surtout les cabinets de conseils qui recrutent des profils de data scientists, un nouveau type d’employeur est en train d’apparaître : les grands groupes. Les compagnies d’assurances et les banques commencent en effet à s’équiper. Mais face à l’afflux de données, d’autres secteurs devraient être concernés. Près de quatre entreprises françaises sur cinq (79 %) estiment urgent de renforcer le rôle du data scientist, selon une enquête menée récemment par Deloitte.«Dans les prochaines années, les plus grands groupes auront certainement intérêt à internaliser cette fonction, notamment pour lutter contre la fraude, un sujet qui devient de plus en plus saillant, notamment au sein de la direction financière», avance Thomas Estève. Il est alors fort probable que dans quelques trimestres seulement, une concurrence se crée entre ces dernières et leurs prestataires de conseils dans la recherche de talents.
Des rémunérations attractives
Les recruteurs actuels n’ont cependant pas attendu cette nouvelle concurrence pour chercher à attirer les meilleurs talents. D’ores et déjà, les cabinets de conseils offrent des rémunérations attractives même si elles demeurent encadrées par les grilles salariales classiques. En moyenne, ils offrent autour de 40 000 euros pour un débutant. Cependant, ils proposent rapidement des perspectives de progression. «Rejoindre notre équipe de data scientists, c’est s’assurer un bel avenir car notre activité croît de 20 à 30 % chaque année, et ce au moins, pendant les cinq prochaines années», avance Franck Chevalier. De leurs côtés, les assureurs sont prêts à aménager un package de rémunération plus attractif.«Il y a une vraie pénurie de profils à la fois techniques et financiers ; cela donne un avantage aux data scientists lors des négociations salariales», analyse Michaël de Toldi, chief data officier de BNP Paribas Cardif. Dans les grandes compagnies d’assurance, les jeunes data scientists peuvent ainsi prétendre à un salaire d’entrée à 50 000 euros par an. Une rémunération qui peut ensuite rapidement progresser. «Ces profils sont importants pour notre transition digitale et nous les accompagnons particulièrement, en termes de salaires et d’opportunité de carrière, pour les fidéliser», ajoute Cécile Deman-Enel, directrice du développement RH & talent management d’Allianz France. Selon le cabinet Hudson, les rémunérations peuvent aller jusqu’à 70 000 euros par an, pour des profils confirmés ayant une solide expérience en big data. Mais après quelques années d’expérience, le seul bémol sera peut-être de pouvoir évoluer en dehors de cette expertise, qui risque rapidement de se transformer en niche.
Des formations qui se professionnalisent
Plusieurs voies sont possibles pour intégrer le métier de data scientist :
• D’abord, un financier en poste peut profiter d’une mission en interne pour se former. «Nous avons recruté une dizaine de data scientists qui partagent leurs compétences en interne avec des financiers démontrant une appétence pour le big data», résume Cécile Deman-Enel, directrice du développement RH & talent management d’Allianz France. Les assureurs, comme les cabinets de conseils, constituent en effet souvent des équipes mixtes, ce qui favorise une formation sur le terrain. «Cela demande beaucoup d’agilité et une curiosité permanente : ce n’est pas fait pour tout le monde, nuance Michaël de Toldi, chief data officier de BNP Paribas Cardif. Mais, si l’engagement initial d’apprentissage est très conséquent, le retour sur investissement en termes de rémunération et de prise de responsabilités est assez rapide».
• Si l’opportunité ne se présente pas en interne, des cours en ligne sont actuellement accessibles. Les premières formations viennent des Etats-Unis, sous forme de massive online open courses (MOOC). «Une majorité des actuaires et des statisticiens que j’ai recrutés s’est autoformée notamment de cette manière», témoigne Michaël de Toldi.
• Enfin, certaines écoles d’ingénieurs et universités commencent à offrir ce type de formation. «Nous recrutons beaucoup de profils diplômés de Telecom Paris et des statisticiens de Dauphine», précise Michel de Chermont, consultant chez Hudson. Plus récemment, les écoles de commerces, conscientes du besoin de financiers dans ce domaine créent de nouvelles formations. «Nous avons lancé en 2015 notre master – MSc in Data Sciences and Strategic Business Analytics – sur les big data, en partenariat avec l’Ecole centrale, témoigne Nicolas Glady, docteur en économétrie et professeur à l’Essec. Nous avons 22 étudiants et les entreprises nous sollicitent déjà pour entrer en contact avec ces derniers.»
Une montée en puissance de la direction financière sur le big data
Les directions financières de grands groupes ont besoin des compétences de data scientists pour monter en puissance dans la lutte contre la fraude et l’amélioration du reporting.
• Face à la multiplication de ses flux financiers, une entreprise peut difficilement détecter une tentative de fraude. Pour éviter d’en être réduit à chercher une aiguille dans une botte de foin, les grands groupes s’équipent ou devront s’équiper d’outils pouvant détecter les flux financiers inhabituels, inducteurs d’erreur ou de fraude potentielle. A ce titre, nous pouvons imaginer des contrôles «temps réel» permettant, par exemple, de suspendre un virement, jusqu’à sa vérification et sa validation par un membre d’une cellule de lutte anti-fraude ou le directeur financier lui-même. «Depuis cinq ans, la hausse de la fraude envers les entreprises et la sophistication des attaques nécessite le développement d’algorithmes toujours plus élaborés ainsi qu’une réactivité toujours plus importante pour mener une lutte efficace», résume Thomas Estève, directeur chez PwC, en charge notamment des aspects analyses des données pour la détection et l’investigation des fraudes. Le gain de temps par rapport à une investigation classique se compte en jours, ce qui peut permettre de réduire de manière substantielle les pertes.
• Sur le plus long terme, une autre tendance se développe, pouvant changer l’organisation des directions financières, comme l’ont fait les ERP jusqu’à aujourd’hui. Le développement de compétences en analyse de données permettra une plus forte automatisation des reportings. Selon les experts, ces derniers deviendront plus évolués, notamment capables d’alerter le directeur financier dès que les chiffres ne s’alignent pas avec les prévisions budgétaires initialement prévues. «Ce sera la troisième génération de reporting, après la première mutation de la comptabilité analytique, souligne Franck Chevalier, associé Data & Analytics au sein des activités services financiers d’EY. Le système deviendra prédictif et prescriptif, notamment en ce qui concerne le suivi des objectifs budgétaires.» Cette technologie, une fois mature, permettra en effet de réagir à temps en cas de décrochage et de proposer immédiatement plusieurs scenarii correctifs au comité exécutif.
