Construire une communauté Data Science – Maëva Merlet

En Data Science, la différence ne se fait pas uniquement sur le choix d’un modèle. Elle se fait souvent sur quelque chose de plus prosaïque (et plus déterminant) : comment travailler ensemble. En consulting, les équipes sont dispersées, les contextes clients variés, et l’expertise peut vite rester “dans les têtes”. Maëva Merlet, practice leader Data Science chez Astek, au sein de la CRO Alsinova, s’est donné un objectif simple : transformer des expertises individuelles en dynamique collective, pour progresser plus vite et livrer plus robuste.

Le défi invisible du consulting : l’isolement

C’est un paradoxe fréquent : les consultants sont souvent sollicités pour résoudre des problèmes complexes, mais ils le font parfois dans des environnements où l’échange technique quotidien est rare. Missions chez le client, contextes très différents, outils variés… et au final, une réalité simple : on peut vite se retrouver seul face à un choix méthodologique, un arbitrage, un doute sur une hypothèse.

Maëva l’a observé très tôt : quand chacun avance de son côté, on perd du temps à réinventer ce qui existe déjà, et on capitalise moins sur l’expérience du collectif. À l’inverse, quand les compétences circulent, l’organisation devient plus rapide… et plus sûre.

“Faire circuler l’expertise” : la logique practice

Chez Alsinova (Groupe Astek), la structuration en practice donne un cadre à cette ambition : cartographier les compétences, relier les expertises et installer des habitudes de partage. Maëva, qui a longtemps évolué dans des univers techniques exigeants, voit cette organisation comme une façon de sécuriser la qualité : moins de silos, plus de standards, plus de cohérence.

Son rôle, aujourd’hui, dépasse le suivi managérial classique : il s’agit d’identifier ce que chacun sait faire, ce qu’il veut approfondir, et comment mettre en relation les bonnes personnes au bon moment pour résoudre un problème, monter en compétence ou challenger une approche.

Une communauté ne se décrète pas. Elle se construit avec des mécanismes simples, réguliers, et utiles. Maëva met l’accent sur quelques leviers très concrets :

Cartographie des expertises
Savoir “qui sait quoi” : méthodes, outils (R/Python), types de données, industrialisation, visualisation, expérimentation… L’objectif n’est pas de “classer”, mais de faciliter l’entraide et la progression.

Rituels techniques
Des rendez-vous réguliers où une personne présente un sujet : retour d’expérience sur un projet, focus méthode, veille sur un package, bonnes pratiques de code, etc. Ce format valorise les consultants et diffuse des réflexes communs.

Canaux d’entraide
Un espace où demander un avis, partager un blocage, recommander une approche. Souvent, une discussion ciblée entre pairs permet de gagner du temps et d’éviter des erreurs.

S’aligner avec le client tout en proposant mieux
Dans la plupart des missions, le cadre de travail est d’abord celui du client : ses process, ses exigences, ses outils. En parallèle, les équipes Alsinova s’appuient sur un socle interne pour sécuriser la qualité et gagner en cohérence. Mais surtout, l’enjeu est d’être force de proposition : produire des fiches méthodes, des cheat sheets, des retours d’expérience, qui permettent d’améliorer l’existant sans perturber l’organisation en place.
“L’idée, c’est que l’expertise ne reste pas dans la tête d’une seule personne. Quand elle circule, tout le monde y gagne : les consultants, les clients, et la qualité globale.”

La qualité comme culture : pourquoi Maëva insiste sur la robustesse

IA & développement : gagner du temps… pour mieux vérifier

Ce que ça change pour les consultants

La Data Science, un métier d’impact… et de collectif