L’intelligence de comprendre les besoins du marché, des clients

Il est de belles histoires d’entreprises, des contes de fées modernes et numériques, bien sûr. J’aime les comprendre et mettre à jour le mécanisme gagnant, l’intelligence des situations qui expliquent ces réussites. Aujourd’hui, découvrons Earthcube, son flair, son expertise et un univers digne des séries comme « Homeland » et « le bureau des légendes ».

Earthcube est une de ces petites entreprises débordant d’énergie et d’expertise pas forcément connues du grand public, du fait de leur activité.

Son expertise, Earthcube l’a bâtie avec une bonne dose d’intelligence artificielle en concevant des algorithmes et des processus de deep learning[1]. Ce faisant, elle a conçu des solutions innovantes pour le traitement de masse de données. Ainsi, elle a pu s’attaquer à des besoins imparfaitement satisfaits et proposer des réponses adaptées.

Cela a permis à cette entreprise de pénétrer un univers mystérieux et fascinant pour le commun des mortels. Cet univers, que nous approchons dans certaines séries TV, réunit — loin des caméras — des espions sur le terrain, des analystes à des milliers de kilomètres avec, entre les deux, des drones et des satellites. Dans la vraie vie, comme dans les séries déjà évoquées, tout cela s’articule au profit de décideurs gouvernementaux et d’acteurs de terrains, comme les forces spéciales.

Aujourd’hui, Earthcube propose des solutions qui permettent une analyse automatique d’images numériques, dont celles produites par nos satellites. Ce faisant, il devient possible de repérer ‘‘rapidement’’ des objets de quelques pixels (véhicules militaires, avions,) sur des clichés réalisés à plus de 500 kilomètres d’altitude. 

Pour autant, entre l’expertise qui permet de croiser cette donnée avec d’autres et la signature de contrats, il y a plus qu’un pas. Nos décideurs et hommes de l’ombre ont des habitudes.

Un contexte opportun

Nos pays vivent dans un contexte géopolitique et sécuritaire instable. Dans ces deux domaines, les menaces sont mouvantes et plus fragmentées que jamais, ne serait-ce que par la multiplication de leurs acteurs. Qui plus est, les lieux où se concrétisent ces menaces se sont rapprochés. De ce fait, deux champs d’actions des États, celui de la défense et celui de la sécurité intérieure, ont commencé à se fondre l’un dans l’autre.

Ces dynamiques à l’œuvre ‘‘un peu partout’’ vont radicalement modifier le besoin d’information des États pour assurer la protection des populations. Pour faire simple, il ne s’agit plus — seulement — de surveiller des armées, des casernes et donc l’appareil militaire de pays, mais de chercher à comprendre ce que souhaite faire telle mouvance terroriste, quand et comment, sachant que ladite mouvance n’est évidemment pas visible comme un régiment de chars ou quelques bataillons de soldats.

En d’autres termes, pour protéger leurs populations, les États ne doivent plus se contenter de surveiller ce qu’ils connaissent, mais aussi ce qu’ils ne connaissent pas !

Va alors se poser à ces États un problème crucial. Pour surveiller les menaces que connaissent nos dirigeants, ils ont favorisé le développement et la structuration d’un écosystème de surveillance à même de capter de l’information depuis l’espace (satellites) jusqu’au ‘‘ sol’’ via différents types de ‘‘capteurs’’, en passant par notre ‘‘ciel’’ (drones et avions). Et cela fonctionne ! On peut fournir régulièrement à des analystes spécialisés une poignée de clichés montrant l’aéroport ‘‘X’’ ou les silos ‘‘Y’’ afin de déterminer l’activité environnante.

À côté de cela, dans la masse de clichés pris par l’ensemble des capteurs, il y a certainement des données pertinentes qui, croisées avec d’autres, peuvent mettre en lumière des menaces nouvelles, le fameux « je ne connais pas ». Mais comment repérer cela au milieu des montagnes de données collectées ? Comment les mettre en relation avec d’autres types de données pour donner de la consistance à une intuition et ouvrir une piste de réflexion ? Comment, enfin, combiner suffisamment de données s’étayant, se recoupant et se renforçant pour permettre à des analystes humains de tirer la sonnette d’alarme et donner aux décideurs matière à décision ? La réponse à ces questions peut être par une analyse automatique de données…

Le moment « Palantir »

Il existe à cette époque un acteur qui sait répondre à de telles attentes, Palantir, société américaine spécialisée dans l’analyse de données à grande échelle. Elle présente toutes les garanties pour travailler avec les États. Pour preuve, elle réalise déjà de telles analyses pour le compte de services de renseignement et notamment pour la CIA… dit-on.

En France, la collaboration entre la Direction générale de la sécurité intérieure (DGSI) et Palantir dérange et crée de nombreux remous. Eh oui, cela ne porte-t-il pas atteinte à notre souveraineté nationale ? 

Malheureusement, Earthcube n’a pas encore la visibilité suffisante pour représenter une alternative crédible aux yeux de certains.

Nous sommes pourtant à un moment qui va s’avérer décisif pour les « frenchies ». En effet, le choix de Palantir par la DGSI n’est pas forcément du goût de tous et Earthcube a su faire briller de tous leurs feux ses solutions auprès du petit monde du renseignement et de l’innovation de défense.

Ses dirigeants sauront démontrer à quel point son offre de service peut permettre à la France de ‘‘scanner’’ ses meules de foin numérique pour faire remonter à la surface ce qu’elle ne connait pas…

Les fruits de l’intelligence des situations

Aujourd’hui, Earthcube a rejoint quelques grands noms de l’industrie, comme Thalès, géant français de l’aérospatial et de la défense, sur le projet franco-allemand d’avion militaire du futur (SCAF). L’entreprise a été récemment retenue, avec 9 autres dont Airbus, pour travailler sur une « plate-forme logicielle, européenne, de renseignement, de surveillance et de reconnaissance ».

Pour être à la hauteur de ses clients et des projets cités plus haut, Earthcube travaille à l’agrégation de données géoréférencées d’origines multiples 

Imaginez, comme dans Homeland, on croise des données ayant une géolocalisation identique, des clichés pris par des satellites, des flux d’informations transférés par les réseaux sociaux, des conversations. Et, soudain, on trouve ce que l’on ne connaissait pas, on identifie une nouvelle menace !

Pour aller plus loin : 

Pour celles et ceux qui veulent approfondir la découverte de ces nouveaux horizons, voici quelques concepts proches à creuser :

— L’« Activity based intelligence » (ABI) : méthodologie utilisant la détection automatique de données pour établir des corrélations entre des données par leur géolocalisation.

— La « Géospatial intelligence » (GEO-INT) : Comme dans les Systèmes d’Information Géographiques (SIG) classiques, il s’agit d’utiliser différentes sources d’information pour visualiser des activités géolocalisées resituées dans leurs réalités physiques (montagnes, villes, désert, etc.).

– La Multi-sources intelligence (MULTI-INT) : Il est ici ‘‘simplement’’ question ici de fusion de données provenant de sources multiples, de l’imagerie spatiale jusqu’au contenu de sites internet et de fils de discussions diffusés par des réseaux sociaux.

[1] On peut résumer simplement le Deep Learning, comme un ensemble de procédures permettant d’apprendre à des réseaux de neurones artificiels à reconnaître un objet, une image, etc.