Decideo - Data Science, Big Data, Intelligence Augmentée

Avec le fondateur de l'association GouInfoIAI, nous parlons de gouvernance des données vs gouvernance de l'information, mais surtout de la prochaine édition des "awards" décernés par l'association, récompensant les meilleurs projets autour de la gouvernance. Un des lauréats récompensés lors de l'édition précédente, était la CNAV, qui présentait en direct un des premiers projets non rattaché à un éditeur de logiciels ou une société de conseil. Le projet consistait à amener les citoyens français à mieux connaitre l'utilisation de leur NIR, plus connu sous le nom de Numéro de Sécurité Sociale. - L'association GouvInfo IAI lance une nouvelle édition des IAI Awards. Mais commençons par expliquer ce que GouvInfo IAI. - Donc une nouvelle édition des IAI Awards. Quel est l'objectif de ce concours ? - Prenons un exemple : l'an dernier, c'est la sécurité sociale, ou plus exactement la CNAV, qui avait remporté le trophée. Pour quel projet ? Et qu'est-ce qui les avaient distingué des autres ? - Concrètement, comment postuler, et quels sont les critères pour espérer remporter un trophée ?

Laurent Bernard dirige Ecojoko, une société qui propose un assistant d'économie d'énergie, qui permet de mesurer - ne dites surtout pas compter - votre consommation, afin de vous suggérer des actions à mener pour réduire votre facture. Collecte, Stockage et analyse de données sont au coeur de cette solution, qui permettrait selon Laurent Bernard, à chacun d'entre nous, de réduire notre consommation d'énergie de 25 %, soit 300 euros par an en moyenne et par foyer, qui sont gaspillés. Ce serait l'équivalent de l'énergie produite par 8 réacteurs nucléaires ! - Vous présentez Ecojoko comme un assistant à l'économie d'énergie, et pas comme un "compteur". Est-ce cette différence de présentation qui fait que les gens détestent Linky, mais ne semblent pas vous en vouloir autant ? - Pour pouvoir économiser, il faut déjà mesurer. Comment se passe la mesure de la consommation et quelles données collectez vous ? - Une fois les données brutes collectées, comment peut-on les interpréter ? - Vous dites : "A partir d'un signal électrique global, Ecojoko détecte les signatures électriques particulières des différents appareils". Comment cela fonctionne-il ? Est-ce de l'apprentissage machine, qui permet de détecter un nouvel appareil, ou plutôt une base de données des "signaux", comme ceux qui permettent de reconnaître les bateaux à partir d'un sonar ? - Quid de l'éthique, de la vie privée... ? Et plus globalement, de la propriété des données : l'utilisateur, la compagnie d'électricité... ? Eclairez-nous !

L'intelligence artificielle est au menu de la transformation digitale de nombreuses entreprises. Mais, tout comme l'Être Humain, elle est parfois biaisée. Nous connaissons tous ce terme. Mais savons-nous réellement ce qu'il signifie ? Nous avons fait le point avec Giovanni Mangani, qui nous explique ce qu'est un biais et comment le détecter. Giovanni Mangani est spécialiste de l'intelligence artificielle chez Pegasystems. Nous l'avons rencontré afin de lui faire parler des biais, parfois introduits dans les systèmes d'apprentissage machine, et susceptibles de fausser une prise de décision. "i[Correctement exploitée, l'IA permet aux entreprises de valoriser chaque interaction client, pour renforcer leur confiance et augmenter leurs bénéfices. Il peut pourtant arriver que les modèles d'IA « apprennent » des données biaisées de manière involontaire au fil du temps, comme l'âge, l'appartenance ethnique ou le genre. Non détectées, elles peuvent générer des pratiques discriminatoires néfastes comme la réduction du nombre de prêts, de polices d'assurances ou d'offres promotionnelles, et stigmatiser certaines populations. Nous vivons actuellement dans une économie imprévisible où les entreprises ne peuvent pas risquer de perdre la confiance de leurs clients, qui sont déjà plus vulnérables en raison de la pandémie]i", explique-t-il. - Commençons par une question importante, qu'est-ce qu'un biais ? - Les biais sont-ils toujours involontaires ou peuvent-ils être volontaires ? - Donnez nous quelques exemples des conséquences que des biais non détectés peuvent avoir sur des décisions. - Votre plateforme dit "éliminer les données biaisées". Comment peut-on les détecter si ce sont des données comme les autres ? - Un biais c'est aussi l'absence de certaines données. Comment est-ce détectable ? - Y a-t-il un aspect règlementaire ? Est-ce les biais seront prochainement "contrôlés" dans certains secteurs ?

Un podcast passionnant avec l'un des auteurs du livre Gafanomics, publié aux Editions Eyrolles. Il nous explique ce que les Gafa ont à nous apprendre, par leurs méthodes de travail, leurs relations avec leurs clients, leur maitrise des données, etc. Ce livre décrypte les 7 « super-pouvoirs » qui ont permis aux GAFA de s'imposer aussi rapidement, et qui dessinent les contours du changement de modèle en cours : - Le client gratuit : tout le monde est client, même ceux qui ne payent pas - La conception inversée : les problèmes comme source de création de valeur - Le management pirate : un nouveau mode de gestion des talents - L'entreprise magnétique : l'agrégation de portions de valeur - L'entreprise temps-réel : l'adaptation instantanée - L'entreprise infinie : la croissance à coût nul - L'entreprise intime : la personnalisation à grande échelle Surtout, ces super-pouvoirs permettent d'agir. Chaque entreprise trouvera ainsi des exemples et des tactiques ayant prouvé leur efficacité dans l'art difficile de l'aïkido stratégique avec les GAFA. Car, pour jouer à armes égales avec eux, mieux vaut utiliser leurs forces à son propre profit. C'est ce que nous explique Guillaume Gombert, directeur de projets stratégiques chez Fabernovel, que nous avons rencontré et à qui nous avons posé quelques questions : - Dans votre livre, vous mettez en avant 7 super-pouvoirs, 7 manières de travailler qui auraient changé les règles de l'économie. Prenons le premier de ces super-pouvoirs, le client est gratuit, c'est à dire que tout le monde est client, même s'il ne paye pas. Expliquez-nous. Cela signifie-il que l'entreprise gagne de l'argent autrement (avec les données par exemple), ou qu'elle n'a pas besoin d'en gagner ? - J'ai également repéré deux super-pouvoirs assez "disruptifs": le management pirate, et l'entreprise temps réel. Est-ce réaliste dans notre culture et notre système d'éducation français de viser ces super-pouvoirs ? - Vous parlez de "nouvelle économie". Ce terme était déjà à la mode à la fin des années 90, quand on a cru que les règles de base de l'économie avaient changé. Il n'en était rien, et la bulle internet a explosé, faisant perdre des milliards. En quoi est-ce différent aujourd'hui ? - Est-ce que le super-pouvoir des Gafa n'est pas finalement un sujet que vous évoquez peu, celui de la langue. Aucun Gafa ne s'exprime autrement qu'en anglais, l'esperanto des technologies. Un futur Gafa pourrait-il réussir au niveau mondial en choisissant le français ? - Vous suggérez, pour se développer, de s'associer, de se connecter aux Gafas. N'est-ce pas vendre son âme, et ses données, au diable, et juste retarder sa propre disparition ?

On parle beaucoup de data, de la valeur des données, et un peu moins ces derniers temps des données ouvertes. Pourtant, nous explique Jean-Marc Lazard, fondateur de Opendatasoft, si on parle moins d'Open Data, c'est qu'on en fait plus ! Nous lui avons posé, en direct, quelques questions sur ce marché. Rencontre avec Jean-Marc Lazard, fondateur de Opendatasoft, grand spécialiste et évangélisateur des données ouvertes. - Un petit rappel pour commencer, qu'est-ce qu'une donnée ouverte, comment peut-on la définir ? - Alors que les données sont considérées comme un actif stratégique de l'entreprise, quels sont les arguments pour convaincre une entreprise d'ouvrir ses données ? "Scientia potentia est", écrivait-on au XVIe et XVIIe siècle, ce n'est plus vrai ? - Quel est le rôle de Opendatasoft ? Pouvez-vous décrire quelques cas d'utilisation de votre plateforme. - Pour le secteur public, l'ouverture des données est une obligation. Mais cette évolution ne s'est pas toujours faite en toute transparence. Où en sommes-nous aujourd'hui dans la mise à disposition des données publiques et ouvertes ? - La compétition entre Etats, entre grandes entreprises, reste féroce dans certains domaines technologiques de pointe (comme l'informatique quantique actuellement). Il est hors de question de partager ses données. Comment savoir à quel moment une donnée devient partageable ? Et comment faire la part des choses entre une société ouverte et une société qui doit garder sa position dans un monde global ?

Comment passe-t-on du métier de consultant en informatique décisionnelle, à celui de vendeur de chaussettes - pardon, d'habilleur de chevilles ! C'est ce parcours que nous raconte Damien Pedreira, fondateur de Quanailles, une DNVB qui se consacre à changer l'image de cet accessoire de mode qui ne veut plus être gris ou noir. Et bien entendu, Quanailles est "data driven" ! Qui aurait pensé qu'après des années de consulting sur Microstrategy, Jedox, Talend, SQL Server... le futur de Damien Pedreira descendrait au niveau de la cheville. Quanailles est une DNVB, une Digital Native Vertical Brand, c'est à dire une marque qui s'appuie sur des valeurs, qui met la donnée au coeur de ses processus, et qui bien sur, est présente essentiellement au travers des canaux digitaux. Fondateur de Quanailles, "Habilleur de chevilles de paires en fils", Damien Pedreira nous explique ce qui l'a amené à créer cette entreprise, quelles sont les valeurs qui l'animent, mais aussi comment, malgré ses seulement quatre mois d'existence, il combine les données de Google, de Shopify, et s'appuie sur de l'apprentissage machine pour prévoir ses stocks et son réassort.

Decideo a publié un document de recherche recensant les métiers de la data, leur dénomination en français, en anglais, quelques explications, et leur fréquence d'utilisation. Philippe Nieuwbourg vous en présente les grandes lignes.
Data Analyst – Analyste de données, Data Scientist – Scientifique des données, Data Engineer – Ingénieur de données, Data Manager – Gestionnaire de données, Data Specialist – Spécialiste des données, Statistician – Statisticien, Business Intelligence Analyst – Analyste en intelligence d'affaires, Data Architect – Architecte de données, Information Manager – Gestionnaire de l'information, Information Analyst – Analyste de l'information... connaissez-vous tous ces métiers ?

Dans ce document, nous avons recensé, traduit et classé, les 70 métiers liés à la donnée et à son traitement. Ce travail de compilation, a permis d'identifier :

- les 10 métiers les plus fréquemment cités dans Google;
- les 10 métiers les plus fréquemment utilisés sur LinkedIn;
- le podium des trois principaux métiers du monde de la donnée;
- les 10 métiers susceptibles d'émerger dans les prochaines années;
- la liste des 70 métiers liés au monde de la donnée, leur titre en anglais, leur titre traduit en français, une explication lorsque c'est nécessaire, le nombre d'occurrences dans Google, le nombre d'occurrences dans LinkedIn;
- le détail de la méthodologie de recherche employée.

A télécharger sur : https://www.decideo.fr/Note-de-recherche-Glossaire-des-70-metiers-de-la-donnee-Contenu-Premium-accessible-gratuitement_a11879.html

À l'heure où l'innovation digitale s'impose comme la clé de la réussite en entreprise, le secteur automobile peut aujourd'hui saisir une opportunité de taille. En proposant des véhicules connectés et des services de mobilité, les acteurs de ce secteur pourraient voir leur chiffre d'affaires augmenter de manière exponentielle au cours des dix prochaines années. Nous recevons aujourd'hui dans le podcast Decideo, Eric Bézille, Senior Presales Manager, System & Automotive Engineering chez Dell Technologies D'ici à 2030, on estime que ces innovations génèreront un volume d'informations sans précédent, ce qui devrait profondément transformer et bouleverser les activités des constructeurs à la lumière des chiffres suivants :

- 250 millions de véhicules électriques et 90 millions de voitures connectées produites

- 2000 milliards d'euros de recettes de recettes générées par les services liés à la mobilité

- 50 % la part de l'électronique et des logiciels dans la valeur des véhicules

- 1 Zo de données générées par l'industrie automobile

Cependant, pour assurer leur croissance dans cette nouvelle réalité, les entreprises doivent être capables d'exploiter et de monétiser efficacement cette avalanche de données, comme le montre le rapport de Frost et Sullivan commandé par Dell Technologies. Au sein d'une économie numérique où l'information est aussi précieuse que le pétrole, les acteurs du secteur ne peuvent plus se permettre d'ignorer la monétisation. Et pourtant, ils tendent à lui tourner le dos.

- L'étude dit que 1 zettaoctet de données va être généré par l'industrie automobile d'ici 2030. Expliquez nous de quelles données il s'agit ? Sont-elles générées lors de la construction de la voiture, de son utilisation... ?

- Les acteurs de la mobilité sont pour l'instant prudents quand à la monétisation de ces données ? Seuls 300 Mo de données sont actuellement monétisées par le secteur ? Pourquoi ? De quoi ont-ils peur ? Le marché manque-t-il de maturité, ou faisons nous face à des freins juridique et/ou éthiques ?

- A qui appartiennent les données générées par le véhicule que j'utilise ? Si je le loue ? Si je l'ai acheté ?

- Les services de mobilité génèrent de la donnée; mais est-ce que l'analyse de ces données pourrait en retour générer de nouveaux services de mobilité ?

Nous recevons aujourd'hui dans le podcast Decideo, Ramzi Larbi, fondateur de l'entreprise VA2CS, spécialisée dans l'intelligence artificielle. Le système développé par VA2CS est au service du confort de vie des personnes âgées et de leur famille. Basé sur des algorithmes d'apprentissage machine (machine learning) et d'apprentissage profond (deep learning), l'outil combine intelligence humaine et intelligence artificielle. Installés dans "box", au domicile de la personne âgée, les algorithmes de détection de chute analysent en temps réel le flux d'images de caméras qui couvrent l'ensemble des pièces de l'appartement. Très important, le flux vidéo ne sort pas de l'appartement; il est traité en local dans la box. En cas d'alerte, une image de la scène est prise et envoyée au centre de surveillance médicale, afin de procéder à une levée de doute. Cela évite les déplacement inutiles, et anxiogènes. Ramzi Larbi nous explique le processus qui a permis à la machine d'apprendre les situations, à partir d'images de personnes âgées au sol, en marche, devant leur télévision, etc. Mais VA2CS ne s'arrête pas à la détection, et lance cette année une étude, en collaboration avec un CHU français, afin de prédire les comportements. En analysant une marche hésitante, des trébuchements, le système pourrait à terme prévoir des risques de chute. Ainsi, il permettra d'apporter des soins préventifs, plutôt que d'attendre l'accident pour le détecter. Tout cela pose bien sur de très nombreuses questions sur la collecte des données, le respect de la vie privée, le stockage et la conservation, etc. Des questions que nous abordons en toute transparence avec Ramzi Larbi dans ce podcast. Il est également question de modèles économiques, et des concurrents de VA2CS.

Le 27 janvier 2020, l'Office Européen des Brevets (OEB) a publié la motivation de ses décisions de rejet de deux demandes de brevet européen aux termes desquelles un système d'intelligence artificielle, nommé « DABUS », avait été désigné en tant qu'inventeur. L'Office Européen des Brevets considère donc qu'un système d'intelligence artificielle ne peut avoir le statut d'inventeur d'un brevet. Alors que l'IA créé tous les jour, des prévisions, des objets, des oeuvres... nous ne franchissons pas le pas de la doter d'une personnalité. Les demandes concernaient deux inventions, sans intervention humaine : un récipient pour boisson basé sur la géométrie fractale et un dispositif de lumière vacillante pour attirer l'attention durant des opérations de recherche et de sauvetage. Suite à une demande de précisions de l'OEB, le demandeur avait soutenu que rien ne justifiait que la qualité de l'inventeur se limite aux personnes physiques et que la possibilité de déposer un brevet au nom d'une IA serait de nature à encourager le développement de systèmes innovants en offrant une protection aux développeurs. En outre, le demandeur observait que l'enregistrement du brevet au nom d'une personne physique, alors que l'invention était uniquement le fruit d'une machine, était de nature à induire les individus en erreur sur la paternité de l'invention. Clément Monnet, avocat au Cabinet Norton Rose Fulbright nous explique en détail les motivations de cette décision, et l'impact attendu. Personnalité physique, personnalité morale, personnalité électronique... cette dernière n'existe pas encore; mais selon notre invité, elle pourrait être une solution permettant de faire évoluer le droit; tout en n'assimilant pas robots, IA et êtres humains à la même personnalité. Un débat passionnant, qui sera renouvelé régulièrement, au fur et à mesure du rapprochement des capacités humaines et de celles des machines (robots ou algorithmes).