QUINTEN : la data science au service de l’amélioration de la performance des organisations

Quelques mots pour nous présenter Quinten, son cœur de métier et son périmètre d’action ?

L’aventure Quin­ten a débuté il y a près de 10 ans. Dès le début, nous nous sommes spé­cial­isés dans la val­ori­sa­tion stratégique des don­nées qui implique en tout pre­mier lieu la com­préhen­sion des besoins, des attentes, des con­traintes et des pra­tiques courantes d’un inter­locu­teur donné. 

Il s’agit ensuite de mobilis­er les don­nées internes et externes aux organ­i­sa­tions pour apporter de nou­velles répons­es et de nou­veaux modes de prise de déci­sion au ser­vice de meilleures per­for­mances et d’une meilleure ges­tion des risques. 

Le phénomène du Big Data a pris son essor début 2011 suite à la forte accéléra­tion des débits de don­nées sur les réseaux. Toutes les sociétés se sont alors équipées d’infrastructures matérielles et logi­cielles pour faire face à l’augmentation des débits, stock­er les vol­umes inhab­ituels de don­nées, les trans­former et les partager. 

Philippe Arany, Christophe Geissler, Mariem Alaoui, Alexan­dre Tem­pli­er et Guil­laume Bourdon

Très vite les entre­pris­es ont com­mencé à se deman­der com­ment elles pou­vaient tir­er par­ti de toutes ces don­nées. Ce besoin exprimé par les entre­pris­es a don­né nais­sance à une nou­velle dis­ci­pline : la Data Science. 

Il est impor­tant de com­pren­dre que la Data Sci­ence ne con­cerne pas unique­ment les don­nées mas­sives, mais la don­née sous toutes ses formes et quel que soit son volume. 

La Data Sci­ence met les don­nées au ser­vice des décideurs et des experts métiers en mobil­isant 3 grandes com­pé­tences : les math­é­ma­tiques et les sta­tis­tiques ; l’informatique ; et le con­sult­ing qui englobe en amont la com­préhen­sion du besoin, et en aval le développe­ment et le déploiement d’outils d’aide à la déci­sion et d’intelligence augmentée. 

Le rôle de Quin­ten con­siste à dévelop­per des out­ils per­me­t­tant aux experts méti­er de devenir des « super experts », sans pour autant chang­er leur proces­sus de décision. 

Ces 10 dernières années, nous avons mené plus de 300 pro­jets. Nous avons débuté à trois. Aujourd’hui, nous sommes une quar­an­taine de per­son­nes et serons une soix­an­taine fin 2018. 

Quels sont les secteurs que vous couvrez ?

Quel que soit le secteur, cer­taines déci­sions opéra­tionnelles dans la chaîne de valeur des organ­i­sa­tions ont un fort impact sur leur résul­tat et leurs per­for­mances, tout en étant pris­es de manière empirique, alors qu’il est pos­si­ble de mieux les informer pour opti­miser leur impact. Nous nous sommes tout naturelle­ment focal­isés sur ce type de déci­sions en nous intéres­sant à l’ensemble de la chaîne de valeur de nos clients. 

L’un de nos secteurs d’intervention les plus impor­tants est la San­té et en par­ti­c­uli­er l’industrie phar­ma­ceu­tique. C’est un secteur très attrac­t­if pour les Data Sci­en­tists en rai­son de son exi­gence et de l’opportunité qu’il offre de tra­vailler sur des sujets pas­sion­nants à forts enjeux socié­taux, mais aus­si en rai­son de l’importance des gains de pro­duc­tiv­ité réal­is­ables sur toute la chaîne de valeur du médicament. 

Nous dévelop­pons d’autres secteurs en par­al­lèle, et notam­ment celui de l’industrie cos­mé­tique et du par­fum, avec laque­lle nous tra­vail­lons depuis plusieurs années autour de plusieurs thématiques. 

Nous aidons par exem­ple les acteurs de cette indus­trie à com­pren­dre de manière plus fine les préférences olfac­tives des con­som­ma­teurs, non pas dans une logique de stan­dard­i­s­a­tion ou d’automatisation du proces­sus de créa­tion, mais pour aider les par­fumeurs à con­cevoir des for­mules qui auront plus de poten­tiel et de suc­cès sur le marché. 

L’idée est de per­me­t­tre de con­serv­er la démarche créa­tive des experts tout en la ren­dant plus performante. 

Nous inter­venons égale­ment — quels que soient nos secteurs d’intervention — dans le cadre de l’optimisation du ciblage des investisse­ments mar­ket­ing et com­mer­ci­aux. Les don­nées his­toriques per­me­t­tent en effet d’identifier les pra­tiques les plus renta­bles et les plus effi­caces de manière à allouer de manière plus per­ti­nente les ressources pour main­tenir les per­for­mances com­mer­ciales ou aug­menter les parts de marché à moin­dre coût. 

Vous vous appuyez sur une approche qui vous est propre.
Quelle est-elle ? En quoi est-elle différente ?

La plu­part des sociétés pro­posant des ser­vices de Data Sci­ence utilisent des out­ils de machine learn­ing pré­dic­tifs non expli­cat­ifs. La pré­dic­tion est très à la mode dans un monde encore dom­iné par la Busi­ness Intel­li­gence qui con­siste à pro­pos­er des tableaux de bord indi­quant ce qui s’est passé, et ce qui se passe. 

Savoir ce qui va se pass­er est le défi que se lan­cent la plu­part des experts en Machine Learn­ing. Mal­heureuse­ment, plus les pré­dic­tions réal­isées par ces tech­niques d’apprentissage automa­tique sont fiables, moins elles sont explicites. 

Quin­ten se dis­tingue dans ce con­texte grâce à sa démarche méthodologique qui s’appuie sur un algo­rithme qui lui per­met de for­muler des recom­man­da­tions ciblées en fonc­tion du con­texte de l’utilisateur. Au-delà du descrip­tif et du pré­dic­tif, l’approche pro­posée par Quin­ten est donc réelle­ment prescriptive. 

Même si nous tra­vail­lons égale­ment sur des tech­niques pré­dic­tives plus clas­siques, très sou­vent, nos clients nous font inter­venir lorsqu’ils ont atteint leurs lim­ites avec les out­ils du marché et souhait­ent com­pren­dre ce qui se passe au-delà des pré­dic­tions pour mieux agir localement. 

Nous met­tons en évi­dence des con­textes pré­cis et pro­posons des actions con­tex­tu­al­isées pour repro­duire ou éviter cer­tains phénomènes ou com­porte­ments selon le besoin. Nous iden­ti­fions les leviers à activ­er ou à dés­ac­tiv­er en fonc­tion de sit­u­a­tions spé­ci­fiques. Cette méth­ode nous per­met de dévelop­per des plans d’action extrême­ment pré­cis dont il est ensuite plus facile de suiv­re les performances. 

Nous sommes guidés par une volon­té d’expliquer ces phénomènes en don­nant à nos clients les clés qui leur per­me­t­tent de les repro­duire ou de les prévenir. Il s’agit d’une démarche explica­tive, pre­scrip­tive et opéra­tionnelle. Notre méti­er est moins d’automatiser les tâch­es humaines à faible valeur ajoutée que d’optimiser la per­for­mance d’experts humains à forte valeur ajoutée en cou­plant la machine et l’intelligence humaine. 

Qu’en est-il plus particulièrement dans le secteur de la santé où vous avez atteint une certaine maturité ?

Pour l’industrie phar­ma­ceu­tique, l’objectif est de pro­duire, au meilleur coût, le médica­ment le plus effi­cace et le plus sûr pour amélior­er la san­té du plus grand nom­bre de patients tout en min­imisant les effets indésirables. 

Le développe­ment d’un médica­ment néces­site près de 10 années de recherch­es et de développe­ments extrême­ment coû­teux. Sur une dizaine de médica­ments testés chez l’Homme, un seul parvient à être com­mer­cial­isé. Sur trois médica­ments com­mer­cial­isés, un seul est rentable au regard des investisse­ments réalisés. 

Pour toutes ces raisons, le coût de la mise sur le marché d’un nou­veau médica­ment est estimée à 1,5 à 2 mil­liards de dol­lars, alors qu’il ne reste aux lab­o­ra­toires qu’une dizaine d’années pour amor­tir cet investisse­ment avant que les génériques ne vienne les con­cur­rencer. Les lab­o­ra­toires accu­mu­lent des don­nées tout au long de ce processus. 

Nous les aidons à appren­dre de leurs don­nées pour amélior­er le taux de suc­cès à chaque étape. L’industrie phar­ma­ceu­tique se focalise par ailleurs de plus en plus sur les don­nées de vie réelle. Le rem­bourse­ment et le prix des médica­ments sont en effet d’ores et déjà — et seront de plus en plus — déter­minés en fonc­tion de l’efficacité et de la sécu­rité observées en vie réelle. 

Les lab­o­ra­toires s’organisent donc pour avoir accès à ces don­nées en vie réelle et pour être en mesure d’en exploiter tout le potentiel. 

Si ces don­nées sont facile­ment acces­si­bles aux États-Unis, nous sommes encore mal organ­isés en Europe au niveau de la cen­tral­i­sa­tion et de l’accessibilité de ces don­nées aus­si bien au sein des hôpi­taux que des organ­ismes de rem­bourse­ment par exemple. 

Pouvez-vous nous donner des exemples ?

Les essais clin­iques se déroulent selon trois phas­es suc­ces­sives et sur un nom­bre de patients de plus en plus élevé. Quelques dizaines à quelques mil­liers de patients de la phase I à la phase III. Quand l’efficacité et la sécu­rité du médica­ment sont con­fir­mées en moyenne, le lab­o­ra­toire peut pass­er à la phase suiv­ante. En revanche, si l’essai est négatif ou neu­tre, le pro­gramme est stoppé. 

Néan­moins, nous avons pu démon­tr­er qu’un essai clin­ique négatif ou neu­tre peut en réal­ité ouvrir des per­spec­tives tout à fait intéres­santes. En prenant ces don­nées et en leur appli­quant notre méth­ode et nos algo­rithmes, nous avons à plusieurs repris­es mis en évi­dence des sous-groupes de patients, qui, pour des raisons que nous iden­ti­fions, sont de très bons répon­deurs au traitement. 

Nous don­nons ain­si aux lab­o­ra­toires les moyens de mieux appréhen­der l’hétérogénéité de leurs don­nées de manière à opti­miser le ciblage des futures études cliniques. 

Vos axes de développement ?

Sur le marché de la San­té, nous sommes arrivés à une cer­taine matu­rité. L’enjeu est donc à présent non seule­ment de con­tribuer à l’avènement de la Phar­ma 3.0, mais égale­ment de con­cevoir les out­ils d’aide à la déci­sion dont les médecins se servi­ront bien­tôt pour pren­dre la meilleure déci­sion face à leur patient, sans s’en remet­tre entière­ment à la déci­sion d’une machine. 

En par­al­lèle, nous allons con­tin­uer d’une part à innover et per­fec­tion­ner nos tech­nolo­gies et nos méth­odes et d’autre part à dévelop­per nos autres secteurs d’activité tels que la banque, l’assurance, l’énergie, ou encore le ciblage de la pub­lic­ité online, qui offre de très belles perspectives. 

Cette diver­si­fi­ca­tion fait par­tie de notre ADN. Elle nous per­met à la fois de rester créat­ifs et de pro­pos­er aux tal­ents qui nous rejoignent des pro­jets pas­sion­nants et des con­di­tions tout à fait attractives.

---

Articles similaires :

Data is every­where au ser­vice du marketing CONVERTEO : une exper­tise de pointe pour une data à haute valeur ajoutée POCKET RESULT : La Data un levi­er déci­sion­nel au ser­vice de la stratégie de votre entreprise La data ana­ly­tique à portée de main des entreprises “Le Big Data et le dig­i­tal sont devenus les prin­ci­paux leviers de l’optimisation de la per­for­mance marketing” Vers la mod­erni­sa­tion de la ges­tion des appels téléphoniques