Peux-tu nous présenter ton métier ?

Quentin Grimonprez – Le cœur de mon métier, c’est de concevoir et adapter les méthodes d’analyse aux contraintes de nos clients. Je travaille d’une part sur des données clients, c’est-à-dire que nos clients nous envoient leurs données et on réalise des analyses combinant Statistiques et Machine Learning pour atteindre leurs objectifs spécifiques (optimisation de consommations, prédiction…).

Et d’autre part, on développe et industrialise en interne nos propres algorithmes (segmentation, clustering,…) qui composent notre Pipeline standard utilisée dans notre application de surveillance en temps réel. Ces algorithmes, il faut bien sûr les surveiller, les maintenir et les faire évoluer. Il y a aussi toute une partie R&D : faire de la bibliographie et lire des articles pour s’améliorer au quotidien et concevoir de nouvelles méthodes. 

À côté de tout ça, je donne des cours de modélisation avancée à Polytech’lille. Le but est d’enseigner des techniques pour tacler les problématiques récurrentes des données : que faire lorsqu’on a des données manquantes ? Quelles méthodes appliquer lors de problèmes de corrélations de grandes dimensions ?… etc

Head of Data Science au quotidien, c’est quoi ? 

Q.G – Au quotidien, je fais le lien entre les data scientists et les développeurs à propos des algorithmes intégrés dans notre app. Je représente l’équipe data lors des réunions des développeurs pour mettre en avant nos besoins et je remonte les changements qui nous impacteront. 

Côté client, au démarrage d’un projet je participe aux premières rencontres techniques. Une fois que son objectif est bien défini, je répartis les projets dans l’équipe data en fonction de la disponibilité et des compétences/préférences de chacun. 

Tu es là depuis le début de l’aventure DiagRAMS, comment es-tu passé du monde de la recherche à la startup ?

Q.G – J’ai débuté ma carrière chez Inria (Institut National de Recherche en Sciences du Numérique à Lille) dans l’équipe MODAL, une équipe de recherche spécialisée en statistique et en machine learning. J’y ai d’ailleurs fait ma thèse sur les séries temporelles appliquées au secteur de la santé, plus particulièrement sur l’étude du génome des personnes atteintes de cancer. Tout l’objectif était de trouver les gènes liés à la rechute de la maladie à partir d’une étude qui porte sur peu d’individus. 

Par la suite, j’ai rencontré Margot et Jean-François qui travaillaient au transfert de technologie chez Inria et les ai rejoint dans l’aventure DiagRAMS en tant qu’associé. Je transpose aujourd’hui les méthodes étudiées dans ma thèse au secteur de l’industrie où il y a peu de pannes dans les jeux de données d’apprentissage.

Quels sont les challenges que tu préfères dans ton métier ?

Q.G – Ce que je préfère, c’est la recherche appliquée aux problématiques réelles. Mais aussi, apprendre de nouvelles choses : chercher, découvrir de nouvelles méthodes, les comprendre… C’est pour cette raison que j’ai lancé des présentations data science en interne chez DiagRAMS. Le but est de découvrir des méthodes et des packages et de les présenter à tour de rôle pour apprendre tous ensemble. 

La question bonus : quel est ton incroyable talent ? 

Q.G – Je suis 3ème national au Quizzroom (à ça 🤏 de la 2ème place).