Le glossaire de la Data

Le lexique de la Data : tout comprendre à l’univers de la donnée, de l’analyse au machine learning

L’univers de la data et de l’intelligence artificielle est en pleine expansion, et il est parfois difficile de s’y retrouver parmi les concepts et le jargon technique. Ce glossaire a été conçu pour être votre guide. Que vous soyez un étudiant qui s’initie à la science des données, un professionnel souhaitant décrypter les termes techniques ou simplement un curieux qui veut comprendre les enjeux de la data, vous trouverez ici les définitions essentielles pour naviguer dans cet écosystème en pleine révolution.

De A à D

Analyse exploratoire (EDA) : 

Phase initiale d’un projet data consistant à comprendre la structure des données, détecter les anomalies et poser les premières hypothèses.

API (Application Programming Interface) : 

Interface permettant à deux systèmes ou logiciels d’échanger des données. Indispensable pour connecter une app à une base de données ou une IA.

BI (Business Intelligence) : 

Processus d’analyse de données pour aider à la prise de décision via des outils comme Power BI, Tableau ou Looker.

Big Data : 

Volume massif de données (générées en temps réel ou non), qui nécessite des outils et infrastructures spécifiques pour être exploitées.

BI Developer : 

Développe des outils de reporting interactifs et des dashboards pour les directions métiers.

Business Analyst : 

Traduit les problématiques métier en besoins data, et interprète les résultats d’analyses.

Chief Data Officer (CDO) : 

Pilote la stratégie data d’une organisation : gouvernance, éthique, sécurité, valorisation.

Clustering : 

Technique de machine learning non supervisé qui consiste à regrouper des individus ou objets similaires sans connaissance préalable des catégories.

Consultant Data : 

Accompagne les entreprises dans leurs projets de transformation data : audit, stratégie, choix des outils, formation.

Corrélation : 

Lien statistique entre deux variables. Attention : corrélation ne veut pas dire causalité.

Data Analyst : 

Collecte, prépare et visualise les données pour aider à la prise de décision.

Data Cleaning : 

Étape de préparation des données qui consiste à corriger les erreurs, doublons, valeurs manquantes… essentielle avant toute analyse.

Data-driven : 

Culture ou approche dans laquelle les décisions sont prises à partir de données fiables, et non d’intuition ou d’avis personnels.

Data Engineer : 

Construit l’infrastructure technique (pipeline, bases, API) qui permet de manipuler de gros volumes de données.

Data Product Manager : 

Conçoit des produits ou fonctionnalités orientés données, en lien avec les devs, data analysts et métiers.

Data Scientist : 

Développe des modèles prédictifs avancés pour extraire de la valeur à partir des données.

Dashboards : 

Tableaux de bord visuels interactifs permettant de suivre en temps réel des indicateurs clés (KPI).

Deep Learning : 

Sous-branche du machine learning inspirée du fonctionnement du cerveau humain. Très utilisé pour la reconnaissance d’image, la vision, le traitement du langage…

De E à N

ETL (Extract, Transform, Load) : 

Processus qui permet d'extraire des données de plusieurs sources, de les transformer, puis de les charger dans un entrepôt de données.

Feature Engineering : 

Art de créer, combiner ou transformer des variables pour améliorer la performance d’un modèle prédictif.

IA (Intelligence Artificielle) : 

Ensemble de techniques qui permettent à une machine d’exécuter des tâches normalement réalisées par des humains (prédiction, reconnaissance, classification…).

KPI (Key Performance Indicator) : 

Indicateur de performance mesurant l’atteinte d’un objectif. Exemple : taux de churn, panier moyen, CAC.

Machine Learning : 

Branche de l’IA qui permet à une machine d’apprendre à partir de données sans être explicitement programmée.

ML Engineer : 

Met en production les modèles d’IA développés par les data scientists. Expertise à la fois dev et mathématique.

Modèle prédictif : 

Algorithme qui permet d’anticiper une variable future à partir de données historiques.

Nettoyage des données : 

Processus fondamental pour rendre les données exploitables. Comprend la suppression d’erreurs, le formatage, l’harmonisation…

NLP (Natural Language Processing) : 

Traitement automatique du langage humain par une machine. Utilisé pour les chatbots, assistants vocaux, résumé automatique, etc.

De O à Z

Overfitting : 

Erreur fréquente en machine learning où un modèle “colle” trop aux données d’apprentissage et perd sa capacité à généraliser.

Pipeline de données : 

Ensemble d’étapes automatisées qui permettent de collecter, transformer et livrer des données prêtes à être analysées.

Python : 

Langage de référence dans l’univers de la data. Utilisé pour l’analyse, le machine learning, l’automatisation…

R : 

Langage statistique puissant pour le traitement de données, la modélisation et la visualisation.

Scikit-learn : 

Bibliothèque Python qui permet de créer rapidement des modèles de machine learning (classification, régression, clustering…).

SQL (Structured Query Language) : 

Langage standard pour interroger des bases de données relationnelles.

Spécialiste IA Responsable : 

Veille à l’éthique, l’équité, la transparence et la conformité des systèmes basés sur l’IA.

Tableau / Power BI : 

Outils de visualisation de données interactifs. Très utilisés en entreprise pour présenter des analyses en temps réel.

Train/Test Split : 

Méthode qui consiste à séparer un jeu de données en deux parties : entraînement et test, pour évaluer la performance d’un modèle.

Variable dépendante / indépendante : 

La variable dépendante est ce qu’on cherche à prédire (ex : ventes), les variables indépendantes sont les facteurs explicatifs (pub, saison, prix…).

XGBoost : 

Algorithme de machine learning très performant pour les concours de data science, basé sur le principe des arbres de décision.

Nos formations en Data & IA 

HETIC forme la prochaine génération d’experts de la donnée avec des programmes complets, ancrés dans le réel et pensés pour un monde piloté par l’intelligence artificielle.