"On commence en voulant sauver le monde, et à la fin, tout ce qu’on veut, c’est le remettre." C’est ainsi que le Dr Christian Hitz décrit sa propre thèse finale – un tournant que de nombreux étudiants reconnaîtront probablement. Aujourd’hui, Hitz dirige l’unité Information Systems – Data Science à l’Institut de Business Information Technology de la School of Management and Law de la ZHAW.
Chaque jour, il fait face à une réalité académique nouvelle : les attentes pour les travaux de fin d’études ont augmenté, tandis que la numérisation et l’IA créent à la fois de nouvelles opportunités – et des malentendus.
« Beaucoup d’entreprises pensent que la data science n’est qu’une forme plus avancée d’analyse de données. Mais la data science est une science appliquée, impliquant plusieurs disciplines de traitement, d’affinage et de communication des données. »
Comment universités, entreprises et étudiants peuvent-ils coopérer pour créer des projets de thèse solides, pertinents et riches d’enseignements pour toutes les parties ? Le storytelling est l’une des disciplines centrales de la data science : expliquer l’inconnu par ce qui est déjà connu. Hitz le montre en direct, en utilisant trois métaphores pour donner une réponse claire et tangible à cette question.
La métaphore de la boulangerie : comment les data scientists cuisent des réponses à partir des données
Que fait un data scientist ? Pour Hitz, la réponse est simple – du moins si l’on imagine une boulangerie : « Le data scientist ne cuit pas des petits pains – il cuit des réponses. » Tout comme un boulanger transforme des ingrédients bruts en produits nourrissants, un data scientist travaille avec des données, des outils et des méthodes pour produire des résultats fiables et exploitables.
Dans cette analogie, le « four » est l’infrastructure de calcul haute performance, les ingrédients sont des points de données et la recette est le processus scientifique. « Si le résultat ne satisfait pas – s’il n’est pas utilisable ou valide – alors vous avez utilisé la mauvaise recette ou posé la mauvaise question. » Selon Hitz, c’est la différence clé entre une analyse de données superficielle et un vrai travail scientifique. Et : « Si vous ne vous concentrez que sur les outils sans savoir quel type de petit pain vous voulez cuire, vous n’allez pas être nourri. »
La métaphore du ski : pourquoi l’IA n’est qu’un outil
« Je n’interdirais jamais aux étudiants d’utiliser des outils d’IA. Mais ce ne sont que cela – des outils. » Hitz est catégorique : l’IA peut accélérer la recherche mais ne peut pas la remplacer. À l’instar d’une course de ski, ce ne sont pas les skis qui gagnent la course – c’est l’athlète.
« Personne ne dit que les skis ont gagné. C’est toujours le skieur ou la skieuse qui décide. » La métaphore met en lumière un message clé : des outils puissants peuvent aider, mais jamais remplacer le processus de pensée scientifique. Des outils comme les LLM ou les protocoles de contexte de modèle changent radicalement le rythme du travail académique. « Ce qui prenait 45 minutes auparavant, les étudiants le font maintenant en cinq. »
La vraie question devient : « Que faisons-nous du temps gagné ? » Pour Hitz, la réponse est la profondeur. « Notre défi est d’utiliser ce temps pour une réflexion plus profonde, de meilleures questions et des liens plus forts avec la pratique. En termes techniques, cela signifie investir plus de temps dans ce qu’on appelle le cadrage du problème. »
La métaphore du silverback : pourquoi le dialogue avec l’industrie inspire
« Les meilleures thèses naissent de conversations avec les silverbacks de l’industrie », dit Hitz en souriant. Par « silverbacks », il entend des praticiens expérimentés qui défient, inspirent et parfois impressionnent profondément les étudiants – et, bien sûr, l’échange fonctionne dans les deux sens.
Le problème ? Ces rencontres se produisent souvent par hasard – au buffet d’une conférence, dans un cours de formation continue ou via des réseaux personnels. « La collaboration entre universités et entreprises manque souvent d’orchestration. » Il n’existe pas de pont structuré et visible reliant les sujets de mémoire aux défis réels des entreprises. Beaucoup de questions d’entreprise restent inaperçues, tandis que les étudiants peinent à trouver des questions pertinentes. « Ce qui manque, c’est du matching. »
Pour Hitz, la thèse a pourtant un énorme potentiel : « C’est un mini-projet de recherche – et il a besoin d’un interlocuteur sérieux prêt à entrer en dialogue. » Il ne s’agit pas de conseil gratuit, insiste-t-il, mais d’un apport basé sur la recherche. Et quand ce type de dialogue fonctionne ?
« Beaucoup d’étudiants me disent que leur thèse a été un moment qui a changé leur vie. »
Pas parce que c’était facile, mais parce qu’ils ont été mis au défi dans un contexte réel, ont pris des responsabilités et en sont sortis grandis. Et les entreprises en retirent aussi des bénéfices : « Elles gagnent souvent certains des employés les plus engagés qu’elles aient jamais eus. »
Perspectives : du temps pour un dialogue orchestré
L’avenir de la recherche étudiante se situe à l’intersection : entre outils et méthodes, université et industrie, ambition et application. L’IA ne résoudra pas tout. Mais elle peut libérer de l’espace. « La question est : que faisons-nous du temps que nous avons gagné ? »
Les réponses ne manquent pas – il faut juste en cuire les bonnes.