Reconversion de facteur à data engineer

‍

Transcription :

Est-ce que tu peux commencer par te présenter et présenter ton parcours ?

Je m'appelle Loïc. Aujourd'hui, je suis data engineer dans une entreprise qui s'appelle Lectra. A la base, j'étais facteur. De facteur, j'ai fait une reconversion professionnelle dans l'informatique, parce que j'avais un peu fait le tour de ce que je pouvais faire. Je suis resté 6 ans facteur. Mon entreprise m'avait proposé une formation en interne, mais il y avait beaucoup de monde qui avait voulu le faire, et je n'ai pas été pris. Du coup, j'ai fait une rupture conventionnelle qui m'a permis de me lancer dans la formation de la 3W Academy, une école qui forme en 3 mois en développeur web. Ça a été une première formation que j'ai adorée, je codais dans le métro. Ça m'amusait beaucoup de réussir à trouver les solutions aux problèmes qu'on me donnait. Derrière, j'ai commencé vaguement à chercher du travail. Je dis vaguement parce que j'ai aussi trouvé une autre formation qui m'intéressait tout autant, voire plus. C'était une formation avec Simplon, qui est une autre école de reconversion. Cette fois-ci, ce que j'aimais beaucoup, c'était qu'il y avait un an d'alternance à faire en entreprise, en plus des 6-7 mois de formation. Là encore, ce sont des formations qui font 90% de pratique et 10% de théorie.

Donc ce sont des formations où on est dans le code directement, on présente des problèmes, on apprend un peu de technique pour pouvoir s'en sortir et derrière, on doit trouver des solutions, coder, chercher sur Internet, se débrouiller seul pour avancer. Et puis après, à la fin de la journée ou à la fin du cycle, on a des solutions, on discute, on échange avec les formateurs et les collègues de formation. Ça, c'était cool. On trouve aussi dans le travail.

Cette formation, avec Simplon, elle était plus axée sur l'intelligence artificielle, c'est ça ?

Oui, c'était data et IA : tout ce qui est problème de programme d'algorithme, machine learning, tout ce qui est les algo, Computer Vision, un peu de traitement de texte. On a un peu balayé tous les domaines de l'intelligence artificielle. Moi, à ce moment-là, l'intelligence artificielle, c'est quelque chose que je trouve intéressant et ça a un gros impact partout. Moi, ce qui m'intéressait plus, c'est de savoir comment on récupérait toutes ces données. C'est-à-dire que l'intelligence artificielle a besoin de beaucoup de données pour fonctionner. Mais d'où elle vient cette donnée ? La plupart du temps, nous, ce qu'on souhaite, c'est qu'on récupère des datasets déjà faits en entreprise, mais on peut avoir des besoins sur des données que nous, on génère et donc toute cette partie collecte, structuration et mise à disposition des data scientists, c'est cette partie-là qui est le boulot du data engineer.

Justement, est-ce que tu pourrais nous expliquer en 2-3 mots en quoi consiste le métier de data engineer ?

Du coup, c'est collecter, archiver, ou plutôt stocker d'ailleurs, stocker et mettre à disposition des données. Par exemple, tout ce qui va être données de connexion d'utilisation d'un site web. Un site web, ça va produire des logs, ça va produire plein d'informations sur comment je vais interagir avec le site, où est-ce que je passe ma souris, combien de temps je passe sur telle ou telle page. Ces données logs vont être générées par l'application et le métier de data engineer, ça va être venir de récupérer toutes ces données-là, les stocker d'une manière souvent qu'on appelle un data lake, pour pouvoir les historiser en fonction des dates et derrière, de les structurer en fonction de leurs utilisations futures. Derrière, c'est plus les gens du métier qui voient comment est utilisé leur site, comment les gens naviguent, comment les gens se déplacent sur leur site. Est-ce que c'est intéressant d'aller créer une feature pour qu'ils aient moins à cliquer pour aller à certaines applications ? Donc, c'est cette partie transformation de la donnée brute en information utilisable par les métiers ou par les data scientists qui m'intéresse.

Donc c'est vraiment un rôle qui consiste à collecter les données et les rendre exploitables pour les équipes analytics au sein des entreprises...

Oui, que ce soit l'analytics, le data scientist, les gens du métier qui travaillent sur des grosses machines, qui eux aussi émettent de la donnée. Et il y a d'autres sujets complexes, à savoir des logs, c'est facile à capter, parce que généralement, c'est nous qui faisons l'application, mais quand on a des machines qu'on doit connecter qui sont à l'autre bout du monde, il y a d'autres problématiques qui se posent sur la collecte, sur la fiabilité de cette collecte. Est-ce qu'il y a un ordre sur la façon dont on va connecter les données ? Est-ce que ça aura une influence ? Donc, il y a tout un tas de problématiques de fiabilité de la donnée, de qualité de la donnée qui se posent aussi et qui sont des enjeux de data engineer.

T'as commencé par une formation dans le développement web, puis une formation dans l'intelligence artificielle et finalement, tu as évolué vers un rôle de data engineer. Qu'est-ce qui t'a attiré dans ce métier-là ?

La diversité des composants. On interagit avec plein de composants vraiment différents. On va avoir tout ce qui va être la collecte, qui peut être sur des composants comme Kafka, ou même des données plus simples qu'on va récupérer sur des CSV. Les questions de stockage vont être aussi importantes. Est-ce qu'on a besoin de garder tout l'historique de toutes les données ? Est-ce qu'on va dédoublonner les données sur telle ou telle clé métier, sur telle ou telle clé technique ? Et derrière, la partie exploitation qui va être ce qu'on met à disposition dans un CSV, un rapport PowerBI, sur une API, sur du Snowflake ? Sur le stockage, je n'ai pas donné beaucoup d'exemples, mais on a des questions sur le format dont on va collecter la donnée. Parce qu'il y a beaucoup de volumes, ça nécessite un format particulier qui va compresser la donnée et qui va permettre de stocker la même quantité de données en un volume plus petit.

Ça va permettre de faire des économies de coûts. Est-ce qu'on peut laisser tout ça en format JSON ? Est-ce qu'on a besoin de valider la donnée, la structure de la donnée ? C'est des choses qui m'intéressent, c'est un côté un peu logistique de la donnée, tout ce qui est transport et fiabilité.

Avant, tu travaillais comme facteur. Est-ce qu'il y a certaines compétences de ton ancien métier que tu retrouves aujourd'hui ?

Oui, sur le fait de trouver des solutions. Le métier de facteur est un métier assez technique, dans le sens où on est autonome. Il faut trouver des solutions pour faire en sorte que les lettres, à l'époque, et maintenant la donnée, tout ça arrive à mon port. Donc, pas mal d'autonomie dans mon travail. Je partais tout seul le matin avec mon sac et puis je fais en sorte que ça arrive. Là, je suis de temps en temps tout seul à essayer de trouver une solution et si je ne trouve pas, je vois avec mes collègues. Et même si je trouve une solution, je la présente, je la soumets, on discute de ce qu'on pourrait faire mieux. Est-ce que c'est contenable ? Est-ce qu'il y a d'autres pistes à explorer ? Par contre, je passe moins de temps en extérieur, c'est sûr, et beaucoup plus de temps assis !

Et du coup, comment ça s'est passé la recherche d'emploi pour toi ? On recrute beaucoup de data engineers aujourd'hui ?

On en recrute beaucoup. Je pense que ce qui peut être compliqué, c'est de trouver le premier poste. Parce que ça recrute beaucoup, mais ça cherche des gens expérimentés, avec une première expérience.

Moi, je suis tombé sur une ESN avec un mec extrêmement sympathique et avec qui je suis encore en contact, qui m'a introduit auprès d'une entreprise pour d'abord me placer en tant que membre d'une ESN. Cette personne-là m'a présenté à mon entreprise actuelle et celle-ci était plus intéressée par le fait de m'embaucher. C'est lui qui a fait quand même le travail avant de préparer le terrain, de savoir vraiment ce que voulait l'entreprise. C'est ça qui m'a permis de rentrer chez eux. Une fois qu'on a trouvé son premier emploi, on prend de l'expérience. Ça fait 2 ans que je suis là et après, il y a même plus à chercher. Il y a vraiment un problème de premier emploi où c'est parfois un peu compliqué. J'ai commencé à travailler, c'était juste après le Covid, donc ça n'aidait pas spécialement en termes de contexte. Mais une fois que ce premier emploi est trouvé, nous, on a beaucoup de mal à recruter maintenant des personnes et on prend des personnes en alternance pour les faire monter en compétence et les intégrer dans les équipes.

Et qu'est-ce qui a été le plus difficile dans ta reconversion ?

Trouver ce premier emploi et garder la motivation, quand on envoie beaucoup de CV, et qu'on n'a pas une réponse forcément tout le temps. Heureusement, je suis tombé sur certaines personnes qui, même si elles ne veulent pas t'embaucher, prennent le temps de discuter avec toi, prennent le temps de relire ton CV, de te faire quelques petits conseils, de te remotiver un peu, de te donner des axes de réflexion, des axes de travail pour te faire avancer. Merci à eux !

Après j'ai continué à me former, même tout seul. Moi, après les 2 formations que j'ai faites, j'en ai fait une 3e chez Jedha, qui était une formation finalement assez courte, mais qui m'a permis de faire du networking, de rencontrer des gens, d'autres personnes qui étaient intéressées. Et pareil, ça permet de relancer, de se remotiver, de prendre un peu de confiance en soi aussi. Donc, ne pas hésiter à aller discuter avec des gens. Moi, même avant de rentrer à Jedha, avant d'avoir mon premier emploi, je faisais des retours, je discutais avec des gens sur LinkedIn, qui voulaient se lancer dans la reconversion, qui voulaient discuter, savoir quelle était mon expérience, même si je n'en ai pas beaucoup encore. Et puis là, je le refais aussi avec un peu plus d'expérience et d'autres retours.

C'est sympa de partager ton expérience dans ce podcast ! Du coup, quels seraient les conseils que tu donnerais aux personnes qui découvrent aujourd'hui le data engineering et qui souhaiteraient s'y reconvertir ?

Venez, il y a plein d'emplois, c'est bien payé, il y a plein de choses à apprendre. C'est extrêmement varié et changeant. On était sur une stack quand je suis arrivé, et là, on est en train de la changer entièrement. Donc, on se repose des questions que je n'ai pas eu à me poser parce que quand je suis arrivé, toutes les briques techniques étaient en place. Ça évolue tout le temps. C'est un peu comme beaucoup de secteurs de l'informatique et c'est très varié, c'est très enrichissant. Et puis, on rencontre plein de gens et c'est très formateur.

‍