L’IA au service des actions métiers

Charles-Antoine Giu­lia­ni (94), pré­sident-fon­da­teur de Syna­plus, a créé cette deep­tech en IA afin de démo­cra­ti­ser et d’accélérer l’adoption de l’IA au sein des entre­prises. Toute action métier qui néces­site de pré­dire, détec­ter, opti­mi­ser ou prio­ri­ser peut être assis­tée par l’IA. Le logi­ciel COs­MO Engine, à l’architecture dis­rup­tive, faci­lite la mise en œuvre d’un tel pro­jet dans un délai et un coût dix fois plus faible que les stan­dards du marché.

Pourquoi les projets IA sont-ils aussi longs à réaliser ?

Il faut tou­jours en reve­nir aux 3 prin­cipes de base d’un pro­jet d’IA :

• La valeur est dans les don­nées, et la capa­ci­té d’extraction est dans les algo­rithmes de Machine Learning
• Plus on mul­ti­plie les sources de don­nées à tes­ter, plus on aug­mente le poten­tiel de valeur à extraire 
• On ne connaît pas la valeur des don­nées à l’avance, pour la connaître il faut tes­ter dif­fé­rents algo­rithmes de Machine Learning 

En consé­quence, au lan­ce­ment d’un pro­jet d’IA, on cherche à iden­ti­fier toutes les sources de don­nées pos­sibles dans l’idée de trou­ver le plus de valeur pos­sible. Mais le néces­saire tra­vail de pré­pa­ra­tion de ces don­nées est long, com­plexe et très spé­ci­fique à leur conte­nu et à l’algorithme rete­nu (data pre­pa­ra­tion). Sou­vent cela conduit à en réduire leur nombre mais aus­si à en rigi­di­fier le for­mat, en ayant l’illusion qu’il ne chan­ge­ra pas (ce qui néces­si­te­rait un retra­vail qua­si-com­plet). Et enfin, comme au final les sources de don­nées ont été réduites, on espère qu’en tes­tant de nom­breux algo­rithmes puis­sants on arri­ve­ra à en extraire quelque chose (mau­vais posi­tion­ne­ment de la valeur) !

Pour faire simple, la com­plexi­té de la pré­pa­ra­tion des don­nées est un fac­teur impor­tant de la durée des pro­jets. Et cette com­plexi­té a un autre impact : elle vous prive d’aller cher­cher de la valeur dans de nou­velles source de don­nées à tout moment. 

Mais l’état de l’art actuel de la tech­no­lo­gie ne per­met pas de faire autrement… 

Que proposez-vous dans ce cadre ?

Nous avons chan­gé l’état de l’art par une rup­ture tech­no­lo­gique, de manière à auto­ma­ti­ser tout le pro­jet d’IA (pré­pa­ra­tion des don­nées ET algo­rithmes de Machine Lear­ning ET super­vi­sion). Nous avons bri­sé cette chaîne rigide de pré­pa­ra­tion des don­nées par une IA capable d’en réa­li­ser les opé­ra­tions ain­si que la prise en charge de l’optimisation des algo­rithmes de Machine Lear­ning (AutoML). À toutes les échelles de son archi­tec­ture, COs­MO Engine a été conçu comme un sys­tème mul­tia­gents, une tech­no­lo­gie entiè­re­ment déve­lop­pée par Syna­plus sans équi­valent connu. Le pro­jet d’IA en devient très agile et souple, tout le pro­cess de fabri­ca­tion et de sui­vi de pro­duc­tion étant auto­ma­ti­sé. Ajou­ter une nou­velle source de don­nées à tout moment ne per­turbe pas le pro­jet, au contraire on en voit vite l’effet sur la pré­ci­sion des résultats.

Le métier obtient en quelques semaines un pre­mier pro­duit assis­té par l’IA pour l’utiliser en condi­tions réelles ; grâce à cette démarche pro­jet agile – tout au long du pro­jet – il peut affi­ner et com­plé­ter son besoin, et ajou­ter de nou­velles sources de don­nées à injec­ter, etc.

Déployer un pro­jet d’IA en sept semaines, de l’idée (par exemple « je veux acqué­rir de nou­veaux client ») à la mise en pro­duc­tion (« je contacte la liste des pros­pects iden­ti­fiés »), voi­là ce qu’apporte notre logiciel.

Et pour la suite, concer­nant le cycle de vie du pro­duit en pro­duc­tion, les métiers peuvent se pla­cer dans une démarche d’amélioration conti­nue, où chaque cycle d’amélioration per­met d’enrichir le besoin métier, d’améliorer la qua­li­té des don­nées et la pré­ci­sion des modèles, d’identifier de nou­velles sources de don­nées à ajou­ter, de ren­for­cer la connais­sance et la com­pé­tence de chaque acteur et l’organisation asso­ciée. Cela per­met de ration­na­li­ser beau­coup d’investissements aupa­ra­vant consi­dé­rés comme des préa­lables à la réa­li­sa­tion de pro­jets d’IA.

Au cœur de cette démarche, on retrouve donc votre outil COsMO Engine. De quoi s’agit-il et quelle est la valeur ajoutée de cet outil ?

Il n’y pas d’agilité sans auto­ma­ti­sa­tion. Et notre convic­tion a été qu’il ne pou­vait pas y avoir d’automatisation forte sans rup­ture tech­no­lo­gique. Il fal­lait créer une tech­no­lo­gie elle-même basée sur l’IA pour qu’une telle auto­ma­ti­sa­tion puisse même exis­ter (ce que les ini­tia­tives Hadoop et Spark avaient notam­ment com­men­cé à entre­prendre dès les années 2010 en créant des archi­tec­tures de cal­culs spé­ci­fiques aux cal­culs mas­sifs, mais sans aller jusqu’à créer une archi­tec­ture construite pour l’IA).

Nous avons créé chez Syna­plus cette archi­tec­ture d’exécution dédiée à l’IA, qui rend les pro­jets très agiles et rapides à mettre en œuvre, et faci­lite l’exploitation des pro­duits en amé­lio­ra­tion continue.

Notre logi­ciel COs­MO Engine est bâti sur cette archi­tec­ture, d’où notre pro­po­si­tion de valeur : réduire d’un fac­teur 10 les délais et les coûts de pro­jets d’IA, et main­te­nir ce fac­teur 10 dans tout le cycle de vie des pro­duits basé sur l’IA.

COs­MO Engine est un logi­ciel « No Code » qui prend en charge toutes les opé­ra­tions d’un pro­jet d’IA. D’abord, il est simple et facile à uti­li­ser. Les pro­jets sont réa­li­sables par tous les experts data au tra­vers d’une inter­face intui­tive, sans avoir besoin de coder. Ensuite, il rend les pro­jets d’IA très flexibles puisque toutes les opé­ra­tions et cal­culs sont réa­li­sés par une IA qui per­met à l’utilisateur de se concen­trer sur le besoin métier et les don­nées à utiliser. 

Enfin, il a la par­ti­cu­la­ri­té d’être extrê­me­ment fiable : il trace toutes ces opé­ra­tions et cal­culs afin de jus­ti­fier ces tra­vaux et per­met de vali­der chaque étape du cycle de vie du projet.

Concrètement, à quels besoins et problématiques répondez-vous ? Pouvez-vous nous donner des cas concrets d’applications ?

Aujourd’hui, nous trai­tons tous les cas d’usage métier dont la réponse est extraite des don­nées struc­tu­rées (base de don­nées, fichiers) que pos­sèdent les entre­prises. Il peut s’agir de tous les sujets autour du mar­ke­ting, de la vente, de la rela­tion client, de la fraude, de la sup­ply chain… il n’y a de limite que par les don­nées dont on dis­pose. Par exemple, à par­tir d’une consom­ma­tion d’eau ou d’électricité, nous pou­vons déter­mi­ner les loca­taires qui envi­sagent de démé­na­ger. À par­tir de don­nées de contact client (CRM, mai­ling…) notre solu­tion per­met aus­si de pré­dire ou détec­ter le churn, d’améliorer la réten­tion client, l’up-selling ou l’acquisition de nou­veaux clients. Nous pou­vons savoir si un client est satis­fait ou non uni­que­ment par son par­cours client, sans faire d’enquête. Nous inter­ve­nons aus­si dans le trans­port afin de détec­ter en temps réel dès la com­mande les colis poten­tiel­le­ment à contrô­ler. Dans le monde de la san­té, nous venons de mon­trer com­ment réor­ga­ni­ser le par­cours de prise en charge des patients de manière à en amé­lio­rer le délai de prise en charge. Tous les gestes métier et pro­ces­sus métier peuvent être assis­té par l’IA, à par­tir du moment où le métier exprime des besoins et qu’il existe des don­nées associées.

Quelles sont les prochaines étapes pour le développement de votre start-up ? Quelles sont vos ambitions ?

Nous avons pour ambi­tion de deve­nir un acteur mon­dial. Nous avons rejoint début mai 2021 l’accélérateur X‑Tech afin de pré­pa­rer notre déve­lop­pe­ment à l’échelle euro­péenne puis mon­diale. Nous avons choi­si l’incubateur de l’X, car il nous fal­lait un éco­sys­tème capable de com­prendre notre valeur tech­no­lo­gique de deep­tech (à un très haut niveau de recherche car nous esti­mons notre tech­no­lo­gie plus éle­vée que nos meilleurs concur­rents aux USA). D’ailleurs, je vou­drais saluer notre conseil scien­ti­fique de renom­mée mon­diale avec Cédric Vil­la­ni, Médaillé Fields, Marc Schoe­nauer, direc­teur de recherches à l’Inria, Flo­rence d’Alché, direc­trice de recherche chez Télé­com Paris et Vic­tor Stor­chan, AI Lead chez JP Mor­gan USA.

À titre plus per­son­nel, reve­nir après tant d’années sur le cam­pus me per­met de renouer avec de nou­velles géné­ra­tions et d’essayer de leur trans­mettre ma pas­sion pour l’IA et la tech­no­lo­gie. Nous avons par ailleurs, fait un pre­mier tour de table et avons été recon­nus par l’Europe comme étant une tech­no­lo­gie sou­ve­raine. Nous avons fran­chi la pre­mière étape de l’EIC Acce­le­ra­tor, un dis­po­si­tif mis en place par l’Union euro­péenne pour gar­der en Europe les deep­tech pro­met­teuses. Nous nous pré­pa­rons à une conquête qui va être pas­sion­nante. Et nous avons besoin de tous les sou­tiens pos­sibles car la com­pé­ti­tion est exclu­si­ve­ment avec des com­pé­ti­teurs très for­te­ment capi­ta­li­sés aux USA. 

---

Articles similaires :

L’IA de TINYCLUES booste les résul­tats des cam­pagnes marketing L’intelligence arti­fi­cielle au cœur des enjeux de la cybersécurité IA et data finan­cière : un saut tech­no­lo­gique majeur qui bou­le­verse le marché Rendre les parcs immo­bi­liers ver­tueux à grande échelle ! IA et défense : per­for­mance et perspectives