Data Scientist en Biotech : le job qui révolutionne la médecine
Du campus à la startup : quand les maths rencontrent les molécules
Dans le cadre de notre collaboration avec Technovation Girls France, nous avons échangé avec Louise Lecointre, Data Scientist @ Aqemia, acteur français incontournable de la recherche pharmaceutique.
“Je savais que je voulais un métier technique, mais c’est à Cambridge que j’ai découvert comment l’IA pouvait révolutionner la recherche de nouvelles thérapies”, nous confie Louise, aujourd’hui data scientist chez Aqemia.
Son parcours ? Pas banal. Prépa maths-physique, CentraleSupélec, puis direction Cambridge pour sa troisième année d’école d’ingé. C’est là que le déclic se produit : les biotechnologies deviennent son terrain de jeu. En 2022, elle intègre Aqemia, une startup qui booste la recherche médicale grâce à de l’IA générative.
Mais, Data Scientist en Biotech, c’est quoi exactement comme métier ?
Le métier de Data Scientist, bien que varié selon les secteurs, repose sur des compétences techniques poussées et une capacité à résoudre des problématiques spécifiques. Dans le cadre de son travail chez Aqemia, Louise définit son rôle ainsi : un data scientist analyse des données afin de répondre à des problématiques complexes et aider aux processus de décision.
Cela implique :
- l’utilisation de statistiques,
- la transformation de données,
- ainsi que l’application de modèles d’intelligence artificielle (IA) pour proposer des solutions adaptées.
“Dans mon job, j’analyse des données pour résoudre des problématiques scientifiques ou business. Je travaille notamment sur notre plateforme automatique de recherche de médicaments”, explique-t-elle. Traduire des données en solutions médicales concrètes, voilà le défi quotidien !
Une journée type ? Ça n’existe pas !
C’est justement ça qui fait le charme du métier. “Chaque jour est différent”, s’enthousiasme Louise.
- Le matin ? Stand-up meeting avec l’équipe pour faire le point sur l’avancement des projets et résoudre d’éventuels obstacles.
- La journée ? Alternance entre deep work pour résoudre des problèmes complexes et réunions avec les équipes techniques pour affiner les solutions proposées.
- Et entre deux ? Veille scientifique pour rester à la pointe.
La boîte à outils du data scientist biotech
Pour briller dans ce métier, il vous faudra :
- Les skills techniques : maths, stats, IA et maîtrise du code (Python et SQL en tête)
- Les soft skills indispensables :
- Vulgariser des concepts complexes (non, tout le monde ne parle pas couramment le machine learning)
- Être méthodique (normal quand on bosse sur des médicaments)
- Savoir écouter pour comprendre les besoins réels des équipes.
Côté outils, Louise jongle entre :
- Langages de programmation (Python, SQL)
- Éditeurs de code comme VS Code
- Outils collaboratifs pour partager ses analyses
Envie de suivre ses traces ? Les conseils de Louise
- Restez généraliste le plus longtemps possible : “Il existe plusieurs métiers proches comme data engineer ou ML engineer - explorez avant de choisir”
- Soyez curieux et proactifs : “Allez au-delà de vos cours et expérimentez. N’ayez pas peur de tester de nouvelles approches, même si elles ne réussissent pas à chaque fois. Chaque erreur est une leçon”
- Osez vous lancer : “Si vous aimez résoudre des problèmes complexes et que vous avez une bonne capacité d’analyse, foncez !”
La tech a besoin de vous
Le message de Louise est clair : “Il y a une place pour tout le monde dans la tech”.
Les métiers de la data science évoluent constamment et offrent de belles opportunités pour celles et ceux qui veulent relever des défis techniques avec un impact concret.
Alors, prêt(e) à coder pour sauver des vies ?
Pour aller plus loin
LIRE: Comment trouver une bonne idée de startup ?
LIRE : Comment réussir dans la tech ? Le témoignage de Safia El Bayed, architecte solutions @Stripe
