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 »