top of page
Photo du rédacteurRemy GARNIER

Remy GARNIER, Data scientist


Merci beaucoup d'avoir accepté l'interview.


Version française


Pourquoi avoir choisi de faire une thèse ?

Je suis quelqu’un qui a été toujours assez « touche à tout ». Cela étant, mon parcours a longtemps été centré sur l’objectif de faire le plus de maths possibles, et les plus pures possibles. A mon arrivée à l’ENS Cachan, je m’étais donc assez naturellement lancé dans un parcours visant à faire une thèse en algorithmique fondamentale. Mais lors de mon stage en laboratoire de recherche à l’issue de mon M2, je me suis rendu compte que j’allais avoir du mal à trouver la motivation pour travailler 3 ans sur un sujet sans en voir d’application directe. J’avais envie de voir l’effet que pouvait avoir mes idées, les faire se cogner avec le monde réel en quelque sorte.

Je n’ai donc pas abandonné l’idée de faire une thèse, mais j’ai du changer de braquet, prendre une année de cours en statistique, et je suis allé me frotter à une thèse en entreprise, en l’occurrence chez Cdiscount, sur des questions de prévisions des ventes .


Quelle différence entre une thèse en entreprise et une thèse « classique » ?

La thèse en entreprise est en permanence une tension entre la raison de l’entreprise, qui a en général une problématique bien définie, des objectifs pragmatiques et à court terme et la raison académique, où la problématique peut changer, où l’objectif est de faire des publications originales mais où l’on peut travailler sur le plus long terme. Du coté de l’entreprise, la difficulté est de ne pas se faire enfermer dans un rôle d’ingénieur et de pouvoir échapper des contingences opérationnelles. Du coté académique, il faut pouvoir réussir à maintenir la problématique de l’entreprise, et ne pas la dénaturer complètement.

Je crois avoir bien réussi à concilier les deux, mais je dois reconnaitre que ça n’a pas toujours été évident. Si je peux prodiguer un conseil à quelqu’un qui serait intéressé par ce type de thèse, ce serait de réussir à bien faire dialoguer en amont les deux parties, pour s’assurer de ne pouvoir être pertinent sur les deux tableaux.


Qu’est ce que tu as fait à la fin de ton doctorat ?

A la fin de mon doctorat, j’ai été assez naturellement recruté par l’entreprise qui l’avait financé. Faire un doctorat en entreprise aide à en avoir les codes. Je travaille sur des problématiques similaires à celle qui avaient motivées ma thèse.

Un gros avantage pour moi est que je peux conserver une approche assez académique, et continuer par exemple à publier et à innover. Il y a beaucoup de problématique qu’on peut traiter avec une telle approche en entreprise, plus qu’on ne l’imagine. Ça aurait été probablement plus compliqué si je n’étais pas passé par la case doctorat dans l’entreprise.

Comme CDiscount a vu que cette approche fonctionnait, je peux la prolonger sur d’autres sujets.

Que t’a apporté le doctorat ?

D’abord le doctorat permet de prendre du temps pour tester et pour utiliser différentes approches d’un même problème. Ça m’a permis de m’intéresser à une multitude d’outils mathématique que je ne connaissais peu, et d’essayer vraiment de les prendre en main, de les faire fonctionner pour de vrai, et pas juste sur des exemples « de cours ». Ça offre une profondeur assez gigantesque par la suite, ça nous permet d’embrasser un champ assez vaste de techniques, surtout dans les domaines du Machine Learning et des Statistiques qui évoluent en permanence. Grace à ça, je peux comprendre où sont les difficultés pour faire tourner un modèle bayésien hiérarchique, un modèle d’économétrie ou des réseaux de neurones sous PyTorch.

Ensuite, j’ai gagné beaucoup d’aisance pour présenter des problématiques et des solutions à des publics différents (académique, Data Scientists, étudiants, clients, grand public), aussi bien à l’écrit qu’à l’oral.

Enfin, et c’est le plus important, mais la thèse est un moment qui a été très heureux pour moi. J’ai pu rencontrer plein de gens très intéressants, c’est très stimulant intellectuellement.


Quels conseils donnerais-tu à quelqu’un qui voudrait faire une thèse ou qui serait en train d’en faire une ?

Tout d’abord de bien s’assurer de sa motivation. 3 ans (ou plus) c’est long, et on a parfois l’impression d’être un peu seul au monde à s’intéresser à nos sujets. L’intérêt pour le sujet qu’on traite doit être là, sinon c’est un calvaire.

Ensuite, de marquer ses réussites. Le doctorat est un exercice parfois un peu ingrat, ou l’on apprend chaque jour que l’on ne sait rien. Il faut parfois savoir apprécier le chemin accompli.

Enfin, d’assumer sa passion. C’est trop facile de dénigrer son sujet de thèse, surtout quand on a un lien avec le monde industriel. On craint d’ennuyer les gens avec nos histoires, mais c’est une erreur. D’une part, c’est moins le cas qu’on l’imagine, on peut tout à fait intéresser les gens si on raconte bien. D’autre part, c’est se faire mal à nous-même, parce que pourquoi faire quelque chose qu’on dénigre en public ? Pour ma part, je suis un nerd féru d’économétrie, et j’assume parfaitement de m’éclater à modéliser des séries temporelles et à faire tourner des modèles numériques.


Version anglaise


Why did you choose to do a thesis?

I have always been interested in a large variety of academic topics. That being said, my career has long been focused on the goal of doing as much math as possible, and as pure as possible. When I arrived at ENS Cachan, I had therefore quite naturally embarked on a course aimed at making a thesis in fundamental algorithmics. But during my internship in a research laboratory at the end of my M2, I realized that I would have trouble finding the motivation to work 3 years on a subject without seeing any direct application. I wanted to see the effect that my ideas could have, making them bump into the real world somehow.

So I didn’t give up the idea of doing a thesis, but I had to switch gears, take a year to learn statistics, and I went to do a thesis in a company, in this case at Cdiscount, on sales forecasting issues.


What is the difference between a business thesis and a “classic” thesis?

The thesis in a company is constantly a tension between the logic of the company, which in general has well-defined problematic, pragmatic and short-term objectives, and the academic logic, where the problem can change, where the goal is to make original publications but where we can work on the longer term. On the company side, the difficulty is not to be confined to an engineering role and to be able to escape operational contingencies. On the academic side, we must be able to maintain the problem of the company, and not completely distort it.

I think I did a good job of reconciling the two, but I must admit that it wasn’t always easy. If I have to advise someone who would be interested in this type of thesis, it would be to be able to have a good dialogue between the two parties beforehand.


What did you do at the end of your doctorate?

At the end of my Ph.D., I was quite naturally recruited by the company that had financed it. Doing a Ph.D. in a company helps to have the codes. I work on issues similar to the ones that motivated my thesis.

A big advantage for me is that I can maintain a fairly academic approach, and continue for example to publish and innovate. There are a lot of problems that we can deal with with this kind of approach in companies, more than we imagine. It would probably have been more complicated if I hadn’t gone through the Ph.D. box in the company. Since they saw that this approach worked, it continues on other topics.


What has the Ph.D brought you?

First, the doctorate allows you to take time to test and use different approaches to the same problem. It allowed me to take an interest in a multitude of mathematical tools that I didn’t know much about, and to really try to take them in hand, to make them work for real, and not just on “course” examples. It offers a rather gigantic depth afterward, it allows us to embrace a rather vast field of techniques, especially in the areas of Machine Learning and Statistics that are constantly evolving. Thanks to this, I can understand where the difficulties are in running a hierarchical Bayesian model, an econometric model, or neural networks under PyTorch.


Then, I gained a lot of ease to present problems and solutions to different audiences (academics, Data Scientists, students, customers, general public), both written and oral.

I mean, and that’s the most important thing, but the thesis was a very happy moment for me. I was able to meet many very interesting people, it is very intellectually stimulating.


What advice would you give to someone who wants to do a thesis or is doing one?

First of all, make sure of your motivation. 3 years (or more) is a long time, and we sometimes feel like we’re a little alone in the world. The interest in the subject must be there, otherwise, it is an ordeal. Then, mark your successes. The Ph.D. is sometimes a bit thankless and you learn every day that you don’t know anything. Sometimes you have to appreciate the path you’ve taken. Finally, to take on your passion. It’s too easy to denigrate your thesis subject, especially when you have a connection with the industrial world. We’re afraid of boring people with our stories, but it’s a mistake. On the one hand, this is less the case than we imagine, we can interest people if we tell it well. On the other hand, it’s hurting yourself, because why do you do something that you denigrate in public? I’m an econometric nerd, and I am proud for having fun modeling time series and running numerical models.

bottom of page