Data : oubliez le big, pensez smart et machine learning
Big ou smart data ? Le débat est dépassé. L’enjeu pour les entreprises est plutôt de construire de nouvelles offres à partir de toutes ces données. Et de parvenir à les transformer en connaissances ou en services.
En France, d'ici à cinq ans, les dépenses en logiciels dédiés au data représenteront 1,7 milliard de dollars, en hausse de plus de 5 % par an. Parmi les secteurs qui seront les plus actifs : les télécoms, le transport et les fournisseurs d'« utilities » (eau, gaz, électricité...). Si une logique d'ouverture et d'échanges des données se répand entre les acteurs de la ville, favorisée par la montée de l'Internet des objets (IOT), ce n'est pas encore le cas au sein de nombreuses entreprises. Certes, elles disposent toutes de bases de données importantes, mais doivent encore passer à l'étape supérieure, c'est-à-dire réussir à transformer leur environnement grâce à l'information qu'elles récoltent. Et, de plus en plus, en temps réel ! C'est le cas chez Monoprix. En fournissant une visibilité de bout en bout sur le processus de traitement des 200.000 commandes quotidiennes de ses 800 magasins français et leur analyse proactive, Axway a permis à l'enseigne parisienne d'identifier et de résoudre les problèmes existants et potentiels au sein de sa chaîne d'approvisionnement. Et, plus globalement, d'améliorer l'expérience client et son image de marque. « L'analytics opérationnel fournit des données qui permettent de prendre immédiatement les bonnes décisions et de les justifier. Sur le long terme, cette vision continue a permis d'agir profondément sur ce process critique », explique Said Debbagh, product marketing, advanced analytics d'Axway.
Dans la même logique, l'éditeur a travaillé sur la supply chain d'un fabricant de verres correcteurs, qui a pu ensuite repenser son offre aux opticiens. « Aujourd'hui, livrer dans les temps devient aussi concurrentiel que le produit lui-même », insiste l'expert.
Inventer une organisation
Pour tirer pleinement profit des données stockées dans les data lakes, MDM ou autres (« master data management »), il faut donner aux métiers la possibilité de faire des analyses simples (mises en forme grâce à la dataviz, notamment), à partir de grands volumes de données. A l'entreprise ensuite d'aller chercher en interne et en externe, les données pertinentes à traiter par rapport à ses activités, pour ensuite réfléchir à ce qu'elle pourrait en faire... C'est pourquoi il est important de se concentrer sur l'idéation, l'open innovation (avec les start-up, ses prestataires ou ses clients...), de façon à faire émerger progressivement de nouveaux usages. « Le Big Data n'est alors qu'un moyen, parmi d'autres, par lequel les entreprises pourront se repositionner sur leurs marchés respectifs et les collectivités imaginer de nouveaux services », rappelle Frédéric Charles, directeur stratégie digitale et innovation de Suez Smart Solutions.
C'est sur ce point précis qu'est positionnée la start-up parisienne Dataiku, que ce soit dans l'automobile, la banque-assurance ou l'e-commerce. « La voiture est un bon exemple car, en une heure, un véhicule connecté peut fournir des millions de données... Ce qui pose immédiatement des questions d'outils de stockage, d'analyse, y compris prédictive, comme de recrutements pour y parvenir », explique Marc Batty, cofondateur de Dataiku . Et de citer l'exemple de Ford qui a mis en place une structure centralisée dans la Silicon Valley, à l'instar d'autres constructeurs. « A terme, ces centres devront être capables de dialoguer avec les équipes pluridisciplinaires à travers le monde... Ce qui supposera des plates-formes d'échanges pas encore bien outillées en interne. Ce sont de vrais enjeux organisationnels à régler. »
Dans ce contexte de croissance constante du volume et de multiplication des domaines d'application, de nouvelles interfaces apparaissent, utilisant les techniques d'apprentissage automatique (« machine learning »). « L'avantage de ces technologies, c'est qu'elles permettent de faire mieux et plus vite ce que font aujourd'hui les humains. Elles ne sont pourtant pas vouées à les remplacer, mais, au contraire, à leur donner de nouvelles capacités », explique Nicolas Méric, fondateur et PDG de la start-up DreamQuark, spécialisée dans le deep learning appliqué à la santé et l'assurance . Dans toutes les fonctionnalités d'intelligence artificielle (Microsoft Cortana, IBM Watson...), l'algorithmique est particulièrement présente. Un atout pour la France quand on connaît notre tradition d'excellence mathématique. Par exemple, le Breton Yann LeCun, professeur à l'université de New York et directeur du laboratoire de recherche en intelligence artificielle de Facebook (FAIR), est l'un des chercheurs à l'origine de la récente initiative de Google, Amazon, Facebook, IBM et Microsoft, lancée pour établir des standards sur une utilisation correcte de l'intelligence artificielle... « Nous n'en sommes qu'au début de la pénétration de l'algorithme dans la société. Cela va s'accélérer, avec à la clef de nombreuses créations d'emplois », conclut Nicolas Méric.