Traverser la frontière pour rejoindre RINTIO au Bénin, c’était plus qu’un simple voyage géographique entre deux pays frères. C’était un saut brutal dans l’inconnu technique. À Lomé, je maîtrisais les équations ; à Cotonou, j’ai dû apprendre à maîtriser les machines.
Le choc du terminal : Adieu la souris
Mon premier contact avec le monde professionnel de la Data a été une leçon d’humilité. À l’université, nous calculions des dérivées et des intégrales sur papier. Chez RINTIO, mon premier outil de travail a été un écran noir : le terminal Linux.
L’apprentissage a été intense. J’ai compris que pour être un Data Specialist crédible, il ne suffit pas de savoir construire un modèle. Il faut savoir configurer son environnement, gérer des permissions et naviguer dans les entrailles d’un serveur. C’est là que j’ai réalisé que l’automatisation est le prolongement naturel des mathématiques.
Docker : Le conteneur comme filet de sécurité
L’un de mes plus grands défis a été la découverte de Docker. Pour un mathématicien, l’idée de “conteneuriser” une solution est fascinante.
Avant, mes codes fonctionnaient “parfois” selon la machine. Avec Docker, j’ai appris la rigueur de l’industrialisation :
- Isolation : Chaque projet a son propre univers, évitant les conflits de bibliothèques.
- Portabilité : Ce que je développais sur mon poste devait fonctionner à l’identique sur le serveur de production.
C’est cette transition entre “le code qui marche chez moi” et “le produit qui marche pour le client” qui a marqué mon passage du statut d’étudiant à celui de professionnel.
TensorFlow : La magie des réseaux de neurones
C’est également chez RINTIO que j’ai touché mes premiers réseaux de neurones avec TensorFlow. C’était le moment où tout devenait concret. Ces matrices que j’étudiais à l’UL devenaient les poids d’un modèle capable de reconnaître des formes, de prédire des tendances ou de classer des informations.
Passer des calculs manuels à l’entraînement de modèles sur des milliers de données a été une révélation. J’ai compris que le Deep Learning n’était pas de la magie, mais une application élégante et massive de l’algèbre linéaire et du calcul différentiel.
Ce que je retiens de cette étape
Cette expérience au Bénin a forgé ma vision actuelle de la Data. Elle m’a appris que :
- La curiosité est une compétence : Arriver avec un profil “Maths” n’était qu’une base. Il a fallu dévorer de la documentation technique jour et nuit.
- La Data est une chaîne : Du serveur Linux au dashboard final, chaque maillon compte. Si le conteneur Docker tombe, le plus beau des modèles mathématiques ne sert à rien.
Ce socle technique robuste m’a permis d’aborder la suite de mon parcours avec une confiance nouvelle, notamment lors de ma spécialisation dans l’écosystème Microsoft que je vous raconterai dans le prochain article.