Main-d'œuvre IoT 2024 : combler le fossé des compétences avec l'IA, le ML et la data science

Les data scientists sont souvent décrits comme le cœur battant des initiatives IoT, agissant comme gardiens qui débloquent des insights exploitables à partir des données.

Leur expertise réside dans la transformation de données brutes en intelligence claire et actionnable — une fonction vitale, analogue à alimenter une voiture pour un voyage en douceur.

Les data scientists sont très demandés

Selon Gartner, d'ici 2020, plus de la moitié des nouveaux processus et systèmes d'affaires majeurs incorporeront l'IoT. Pour déployer ces solutions avec succès, les entreprises doivent doter les équipes des bonnes compétences. Avec une pénurie actuelle de data scientists, l'IA offre une voie pour automatiser et faire mûrir les déploiements IoT.

Nous devons élargir la formation en IA et IoT pour combler le fossé des compétences. L'IA peut mettre à l'échelle les projets, libérant le talent humain pour les tâches que la technologie ne peut remplacer, tout en gérant le travail répétitif.

Des études montrent que les pénuries de personnel et les déficits de compétences restent les plus grands obstacles à l'adoption de l'IoT. Le Programme de recherche Immersat a révélé que 33 % des entreprises bénéficieraient de compétences supplémentaires, et 47 % estiment manquer totalement les bons talents. Les trois principaux écarts sont la sécurité des données, la data science et le support technique.

Embaucher simplement plus de data scientists est insuffisant. Les entreprises doivent comprendre comment l'IA et l'apprentissage automatique renforcent les projets IoT et investir dans la formation de la prochaine génération.

Une économie plus collaborative

L'idée prévalente que seuls les data scientists peuvent résoudre les défis IoT est dépassée. L'objectif est de permettre à chaque employé d'interpréter les données IoT.

Les milléniaux, habitués à une connectivité constante, sont idéaux pour piloter une intégration plus poussée. En les dotant de compétences en IA, ML et deep learning, les entreprises peuvent appliquer l'analytique aux données en flux, tirer des insights plus profonds et prendre des décisions prédictives — miroir du rôle d'un data scientist.

Par conséquent, nous devons nous concentrer sur la mise en œuvre de plus de formation dans des outils qui peuvent aider à automatiser et améliorer les rôles en :

1. Mettre en place plus de formations – Pour combler l'écart de compétences actuel, nous devons offrir des cours complets en IA, ML et DL. Cela permet une analytique plus large et une prise de décision prédictive, et perfectionne la main-d'œuvre.
2. STEM n'est pas la seule réponse – Se reposer uniquement sur STEM est limitant. Nous devons aussi cultiver la pensée design et les compétences en stratégie business, permettant aux data scientists de façonner les modèles futurs.
3. Il n'y a pas de compétence unique requise – La main-d'œuvre du futur opère dans un environnement hautement connecté. L'IoT et la transformation numérique exigent un mélange d'IA, DL, ML et analytique de données ; un seul ensemble de compétences ne suffit plus.

La main-d'œuvre du futur doit travailler avec les technologies IA, DL, ML et analytique de données. Ce n'est qu'alors que nous pourrons débloquer la vraie valeur de nos données pour faire avancer les projets IoT. C'est pourquoi nous devons agir maintenant.

Auteur : Anthony Sayers, évangéliste IoT chez Software AG.