PREDICSIS RINGARDISE LES DA­TA SCIEN­TISTS

L'Informaticien - - LA FRENCH TECK -

Predicsis a été fon­dée par deux an­ciens d’Orange, Jean- Louis Fuc­cel­la­ro et Ber­trand Grèzes- Bes­set. Au com­men­ce­ment de la start- up, il y a un constat : l ’ opé­ra­teur his­to­rique dé­ve­loppe et uti­lise en in­terne des tech­no­lo­gies de ma­chine lear­ning et d’In­tel­li­gence Ar­ti­fi­cielle. L’anal yse pré­dic­tive per­met tait aux équipes d’être ca­pable d’agir de ma­nière plus ef fi­cace et moins coû­teuse. Ces al­gos uti­li­sés en in­terne étaient dif­fé­rents de ce qui était dis­po­nible sur le mar­ché. Et jus­te­ment, consi­dé­raient les deux co­fon­da­teurs, il y a un mar­ché en de­hors d’Orange. L’ana­lyse pré­dic­tive est com­pli­quée à mettre en oeuvre, elle re­quiert de pas­ser par des ou­tils open source, donc par des com­pé­tences ex­pertes pour les maî­tri­ser et re­double de com­plexi­té quand il s’agit de la mettre entre les mains des mé­tiers. « Il y a un fos­sé entre la ca­pa­ci­té pour le mé­tier d’uti­li­ser l’ana­lyse pré­dic­tive et les res­sources pour le faire. Il y a un coût d’en­trée ex­trê­me­ment éle­vé et un dé­lai avant de pou­voir mettre en oeuvre, alors que toutes les en­tre­prises sont en­jointes au­jourd’hui d’uti­li­ser leurs don­nées » , sou­ligne Syl­vain Fer­ran­diz, Chief Da­ta Scien­tist chez Predicsis. La jeune pousse ins­tal­lée à Lan­nion suit une vi­sion : of­frir une so­lu­tion clé en main, ou « self ser­vice » pour ci­ter Syl­vain Fer­ran­diz, à ceux qui n’y connaissent rien en ma­chine lear­ning mais doivent an­ti­ci­per les ef­fets d’une cam­pagne mar­ke­ting ou ali­men­ter un pro­cess de main­te­nance d’un équi­pe­ment. C’est pour­quoi Predicsis pro­pose une offre en mode SaaS sur AWS – et une ver­sion on-pre­mise pour les en­tre­prises exi­geantes – per­met­tant aux uti­li­sa­teurs mé­tier de com­men­cer à faire de l’ana­lyse pré­dic­tive sans bar­rière à l’en­trée, en quelques clics, sans ques­tion de res­sources et pour un coût mo­dique. La so­lu­tion est une web ap­pli­ca­tion dans la­quelle l’uti­li­sa­teur suit un work­flow sim­pli­fié et di­rect à tra­vers une in­ter­face gra­phique. In­utile d’être un expert en Ha­doop, ni même de connaître la moindre ligne de code : il suf­fit presque de sim­ple­ment ver­ser ses don­nées et de lire la no­tice étape par étape. « Là- des­sus, l’uti­li­sa­teur va pou­voir à son ni­veau tes­ter des choses, en­voyer plus de sources de don­nées dans l’ana­lyse et tra­vailler sur la per­for­mance mé­tier qu’il peut es­comp­ter sur la base de l’ana­lyse ef­fec­tuée » , nous ex­plique le Chief Da­ta Scien­tist. No­tons que pour les uti­li­sa­teurs ex­perts, les da­ta scien­tists purs et durs, le SDK est à dis­po­si­tion. Mais il ne s’agit pas là du pro­fil prin­ci­pal : mar­ke­ting, RH et fi­nances… voi­là pour les grands usages. Predicsis a pour avan­tage de de­man­der peu de pré­pa­ra­tion des don­nées in­gé­rées. Les al­go­rithmes sont en ef­fet ca­pables de tra­vailler avec plu­sieurs sources de don­nées, logs d’ap­pels clients et don­nées de CRM par exemple, tout est trans­for­mé en une seule table afin d’en re­mon­ter les si­gnaux des­crip­teurs. « Les uti­li­sa­teurs mé­tier n’ont pas le temps de cal­cu­ler, de pré­dé­fi­nir les si­gnaux po­ten­tiel­le­ment in­té­res­sants : Predicsis. ai va être ca­pable de tra­vailler di­rec­te­ment à par­tir d’un sché­ma de don­nées re­la­tion­nel, ce qui évite toute une étape à l’uti­li­sa­teur » , dé­taille Syl­vain Fer­ran­diz. De même, in­utile de se po­ser la ques­tion de la qua­li­té des don­nées, la « ma­chine » va re­mon­ter les dé­fauts, va­leurs man­quantes et autres bi­zar­re­ries, de sorte à ce qu’il ne soit plus né­ces­saire de se po­ser la ques­tion de la qua­li­té des don­nées avant leur trai­te­ment. Si ce­la suf­fit pour ob­te­nir les in­for­ma­tions re­cher­chées, in­utile de perdre du temps à un long et lourd tra­vail de pré­pa­ra­tion. Le prin­ci­pal in­té­rêt de la so­lu­tion consiste, pour l’uti­li­sa­teur, à se dé­bar­ras­ser des tâches sans va­leur ajou­tée : « On laisse faire la ma­chine et l’hu­main va peau­fi­ner : le focus est mis sur les ré­sul­tats. » Le tout sert à la prise de dé­ci­sion, sans prise de tête. Rien d’éton­nant à ce que la jeune so­cié­té bre­tonne ait ta­pé dans l’oeil d’Ama­zon et compte des clients en Eu­rope et aux ÉtatsU­nis, par­mi les­quels La Banque Pos­tale, Na­tixis, le Cré­dit Agri­cole ou en­core First Uti­li­ty. ❍

Newspapers in French

Newspapers from France

© PressReader. All rights reserved.