Claude Code · Mode « Plan »
Faire relire son code de modélisation
Une liste de remarques classées par gravité : fuites, séparation des données, indicateurs, reproductibilité.
Formation IA · Technique et données
Formation IA pour data scientist
L’IA écrit vite du code d’analyse qui tourne du premier coup. Votre métier se concentre sur ce qu’elle ne voit pas : la question posée, la qualité des données, les fuites, et ce qu’un résultat permet vraiment de conclure.
10 usages concrets · 6 outils conseillés, dont 5 sans payer · 15 à 30 minutes par usage
Le premier pasClaude Code · Mode « Plan »Faire relire son code de modélisation
- Ouvrez l’application Claude, onglet « Code », choisissez « Local », puis « Select folder » et le dossier du projet. Dans un terminal : la commande « claude », lancée depuis ce dossier.
- Avec le sélecteur à côté du bouton d’envoi, passez en mode « Plan » : Claude lit et explique, sans toucher à un seul fichier. Dans le terminal : Maj + Tab.
- Collez la consigne ci-dessous. Tapez @ suivi du nom d’un fichier pour désigner un notebook précis.
- Vérifiez vous-même chaque fuite signalée, corrigez, puis relancez l’évaluation.
La consigne à copier
Relis le code de modélisation de ce dépôt ([dossier ou notebook]) comme un relecteur exigeant en apprentissage automatique. Cherche dans cet ordre : les fuites de données (variables connues après l’événement à prédire, statistiques calculées avant la séparation, doublons entre entraînement et test), une séparation qui ne respecte pas le temps ou les groupes, un indicateur mal adapté au déséquilibre des classes, une validation croisée mal construite, l’absence de graine aléatoire, et ce qui empêcherait de reproduire le résultat. Pour chaque remarque : le fichier, la ligne, la gravité et une correction proposée. Ne modifie rien.
15 min · chaque semaine
Les tâches où l’IA aide le plus
- Exploration et nettoyage des données
- Préparation des variables et modélisation
- Évaluation et validation des modèles
- Lecture d’articles et veille sur les méthodes
- Passage du notebook au code de production
- Restitution des résultats aux métiers
10 usages concrets pour le métier de data scientist
Julius · Un fichier CSV déposé dans la conversation
Faire le premier tour d’un jeu de données
Un état des lieux du jeu de données, avec les graphiques et la liste des pièges à traiter avant de modéliser.
GitHub Copilot · Mode agent, dans VS Code
Écrire le code de préparation des données
Un module de préparation lisible et testé, sans fuite entre les données d’entraînement et les données de test.
Elicit · « Find papers »
Faire le point des études sur une méthode
Un tableau des études qui comparent les méthodes sur votre type de problème, avec ce qui fait consensus et ce qui reste ouvert.
SciSpace · « Chat with PDF »
Lire un article avant de reproduire sa méthode
Une fiche de lecture tournée vers la reproduction, avec les zones d’ombre de l’article.
Cursor · « Plan Mode » : Maj + Tab
Transformer un notebook en code propre
Un module rangé et testé, qui relance l’expérience en une commande et redonne les mêmes chiffres.
Hugging Face · Onglet « Models », puis HuggingChat
Chercher un modèle ouvert déjà entraîné
Deux ou trois modèles candidats et une grille pour les comparer sur vos propres exemples.
ChatGPT · Mode « Chat », avec la réflexion activée
Dimensionner un test A/B avant de le lancer
La taille d’échantillon, la durée du test et une règle de décision écrite avant de regarder les données.
Claude · Avec vos fichiers de résultats joints
Expliquer les résultats d’un modèle aux métiers
Une note de deux pages qui dit ce que le modèle fait, ce qu’il rate et ce que cela change pour la décision.
Claude Code · Mode « Manual »
Rédiger la fiche de documentation d’un modèle
Une fiche de modèle à jour, tirée du code, avec les points à confirmer signalés.
Les outils conseillés, et leur prix
Claude Code
Il lit tout le dépôt, notebooks compris, propose un plan, écrit le code et lance les tests. Vous relisez chaque différence avant de la garder.
OffrePro, 20 $ par mois (17 $ par mois si facturé à l’année). Pour le code de l’entreprise : Team, 25 $ par personne et par mois (20 $ si facturé à l’année).
GitHub CopilotSans payer pour commencer
Dans VS Code, il complète le code pendant la frappe, et son mode agent écrit les fonctions de préparation des données avec leurs tests.
OffreFree, 0 $ : 2 000 suggestions de code par mois. En entreprise : Business, 19 $ par personne et par mois.
ElicitSans payer pour commencer
Savoir ce que disent les études sur une méthode avant de s’y lancer : un tableau, une ligne par article, avec les références.
OffreBasic, 0 $. Ensuite : Pro, 49 $ par personne et par mois, facturé à l’année (588 $).
SciSpaceSans payer pour commencer
Lire un article ardu : vous surlignez une formule ou un tableau, il l’explique en citant le passage.
OffreBasic, 0 $. Ensuite : Premium, 20 $ par mois, ou 12 $ par mois facturé à l’année.
Hugging FaceSans payer pour commencer
La bibliothèque publique des IA ouvertes et des jeux de données : c’est là qu’on cherche un modèle déjà entraîné avant de repartir de zéro.
OffreCompte gratuit, avec un petit crédit d’usage mensuel. Ensuite : PRO, 9 $ par mois.
ClaudeSans payer pour commencer
Hors du code : expliquer un résultat à la direction, discuter un protocole d’évaluation, rendre une note en fichier Word.
OffreGratuit pour commencer. Pro, 20 $ par mois (17 $ par mois si facturé à l’année) : c’est le même abonnement que Claude Code.
Prix relevés sur les pages officielles des éditeurs, datés sur la fiche de chaque outil. Ces abonnements ne sont pas compris dans Nova. Marques citées pour identifier les outils. Aucune affiliation.
Les règles à respecter
À faire, toujours
- Les données personnelles ne sortent pas : aucun fichier de clients, de salariés ou de patients dans un outil grand public. Travaillez sur un échantillon anonyme ou sur des données synthétiques, avec l’accord du délégué à la protection des données.
- Vous restez responsable de chaque chiffre publié. Le code écrit par l’IA se relit, se teste et se relance avant de présenter un résultat.
- Le code et les modèles de l’entreprise passent par une offre d’équipe (Team, Business) ou par le « Privacy Mode ». Aucune clé d’accès ni aucun mot de passe de base de données dans une consigne.
- Un modèle qui sert à décider pour des personnes se documente et se fait valider : règlement européen sur l’IA, RGPD, et un humain qui peut revenir sur la décision.
À ne pas confier à l’IA
- Lui faire choisir l’indicateur ou conclure à votre place : elle ne connaît pas le coût d’une erreur pour le métier.
- Lui donner un accès direct à la base de production ou à l’entrepôt de données.
- Citer un article ou un résultat qu’elle rapporte sans avoir ouvert la source.
Questions fréquentes
Quels outils d’IA utiliser quand on est data scientist ?
Nova en conseille 6 pour commencer : Claude Code, GitHub Copilot, Elicit, SciSpace, Hugging Face et Claude. Parmi eux, 5 s’utilisent sans payer pour débuter.
Par quoi commencer ?
Par « Faire relire son code de modélisation », avec Claude Code (mode « Plan »). Comptez 15 minutes la première fois. Une liste de remarques classées par gravité : fuites, séparation des données, indicateurs, reproductibilité.
Est-ce une formation certifiante, finançable par le CPF ?
Non. Nova est un logiciel par abonnement, pas un organisme de formation : il n’est pas certifié Qualiopi, ne se finance pas avec le CPF et ne délivre aucun diplôme. Il coûte 19 € par mois pour une personne.