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 La proptech met la data au ser­vice du monde de l’immobilier La per­for­mance à tout prix Cyl­lene : « L’intelligence arti­fi­cielle est claire­ment une nou­velle révolution » Eleven : Un pont entre la stratégie et la technologie