Ici, la mobilité suit souvent la technique : un analyste qui a appris dbt veut rejoindre l'ingénierie, une data scientist veut s'occuper de la mise en production d'un modèle plutôt que de prototypes, un consultant en fin de mission client cherche une équipe interne. Le risque propre au métier, c'est la passation : celui qui part emporte la connaissance des pipelines et des alertes qu'il surveillait.

Ce qu'il fait chaque jour chez vous

Repérer les souhaits derrière les certificationsIl note les souhaits exprimés en entretien et les rapproche des certifications passées sur Databricks ou Snowflake, pour proposer au responsable RH les profils déjà prêts à basculer vers l'ingénierie des données.
Profiter des fins de mission clientIl suit les dates de fin des missions chez les clients et signale au responsable RH les consultants pour qui un poste interne correspondrait, avant qu'ils ne soient restaffés ailleurs par défaut.
Faire écrire la carte de ce que l'on transmetAvant le départ d'un ingénieur vers une autre équipe, il demande la liste écrite des pipelines, des tâches Airflow, des tableaux de surveillance et des accès qu'il détient, et la transmet au successeur et au nouveau manager.
Organiser la double présence sur un modèle surveilléPour un modèle en service, il pose quelques semaines où l'ancien et le nouveau titulaire reçoivent ensemble les alertes de dérive du modèle, afin que le premier incident ne tombe pas sur quelqu'un qui découvre le système.
Préparer l'arrivée dans la nouvelle équipeIl envoie au collaborateur muté le programme de ses premières semaines : rencontres avec le métier commanditaire, accès aux dépôts et aux environnements de travail, documentation des modèles qu'il reprend.
Assembler les éléments d'un changement de bureauPour un passage vers un autre site ou à l'étranger, il réunit les conditions écrites par la direction, les dates, l'aide au logement proposée et les questions du salarié, sans rien promettre lui-même.

Sur le terrain

Une analyste qui veut construire, pas commenter

Une analyste écrit lors de son entretien annuel qu'elle veut rejoindre l'équipe d'ingénierie. L'agent note qu'elle a passé une certification dbt et qu'un poste de data engineer s'ouvre en interne. Il adresse le rapprochement au responsable RH, qui décide d'en parler à son manager. L'agent n'a contacté personne : c'est le responsable qui ouvre la conversation, avec un dossier déjà prêt.

Un départ au milieu d'un réentraînement

Un ingénieur machine learning rejoint l'équipe produit alors que le modèle de scoring qu'il suivait doit être réentraîné sur un nouveau jeu de données d'entraînement. L'agent obtient de lui la liste des étapes et des seuils d'alerte, organise trois semaines de passation avec sa remplaçante, et propose une date de mutation postérieure au réentraînement. La nouvelle version est livrée par les deux, sans trou dans la surveillance.

Les mots qu'il emploie chaque jour

Mise en production d'un modèle: Le passage du prototype au service utilisé : c'est là qu'apparaissent le coût, la latence et la surveillance.
Dérive du modèle: La perte de performance quand la réalité s'écarte des données d'entraînement : elle se surveille, sinon elle se découvre par une plainte.
Jeu de données d'entraînement: Les données qui servent à fabriquer le modèle : leur origine et leurs droits conditionnent tout ce qu'on pourra en faire.

Son métier de départ : Assistant mobilité. Toute l'activité : Données et intelligence artificielle.