Your new post is loading...
Your new post is loading...
Comme nous avons pu le voir, l’Intelligence Artificielle (IA) et le Big Data semblent se diffuser de manière assez rapide et trouver des applications dans des domaines variés et inattendus, que ce soit au sein de l’entreprise ou dans le domaine public. Au cours de leur histoire, le Big Data et l’IA ont eu une évolution non linéaire, une tendance qui semble perdurer et qui risque de s’accroître au cours des prochaines années. Si ces technologies semblent se diffuser massivement ces derniers temps, de nombreux défis émergent déjà pour barrer la route à leur progression. Cette partie n’a pas pour objectif d’être exhaustive, puisque prédire l’avenir est impossible, mais il nous semble toutefois pertinent de lister et de classifier les défis futurs de ces technologies.
l’occasion du relancement du Business Club de l’assurance qui a réuni une centaine de personnalités du secteur le 29 mars 2018 à Paris, Antoine Denoix, CDO d’Axa France, a partagé sa vision de l’enjeu et du leurre du big data.
Cet article fait suite à un entretien avec l'entreprise Dataiku, le mardi 9 janvier 2018, avec le club Big Data et IA de l’AEGE.
Si Internet et les nouveaux réseaux de distribution ont considérablement modifié nos habitudes de consommation, ce n’était que les balbutiements d’une nouvelle ère de consommation. Aujourd’hui que les marchés ont radicalement changé, les consommateurs, clients ou prospects ne se satisfont plus d’un sourire. Exit le commerce de contact, bienvenue dans l’autre galaxie de la consommation, celle de la Big Data.
Si la donnée est vraiment l'or noir du XXIème siècle, sa place devrait être centrale dans l'entreprise. Les raffineries de données devraient tourner à plein régime et valoriser cet or noir au maximum pour créer de la richesse visible dans les comptes des entreprises et anticipée par la Bourse. Or on ne voit pas cette valeur...
Comme le RGPD, le projet de règlement ePrivacy vise à renforcer la cadre de la vie privée de l’internaute (notamment l’usage des cookies). Mais les pros du numérique montent au créneau.
L’industrie évolue tous les jours mais les industriels avancent à des vitesses différentes. Alors que certains utilisent des PC industriels équipés du fameux système d’exploitation DOS ou Windows 3.1, d’autres s’essaient aux technologies IoT (Objets connectés) ou encore à l’intelligence artificielle (Machine Learning ou Deep Learning).
Une fonction émergente, mais déjà incontournable. Le Club des directeurs marketing et communication de l'IT s'est penché sur le profil et les missions du chief data officer (CDO) dans les entreprises. Verdict en infographie!
Réussir sa transformation numérique, c’est l’objectif des entreprises et des États ainsi que de toutes les composantes de nos sociétés. Cette réussite ne dépend pas seulement de la maîtrise des technologies ad hoc - intelligence artificielle, robotique, systèmes autonomes… - mais aussi de la capacité de préserver l’intégrité des informations générées par la « digitalisation ». Sécuriser des masses de données (big data) toujours plus importantes est devenu un enjeu crucial, en particulier pour les entreprises. Or les moyens consacrés ne sont pas suffisants, avertit Thales, qui publie ce lundi 22 janvier, veille de l’ouverture du Forum international de la cybersécurité à Lille (23-24 janvier), son rapport mondial 2018 sur les menaces informatiques. Il est le fruit d’une étude menée, fin 2017, auprès de 1 200 cadres supérieurs dans le monde, en collaboration avec le cabinet américain 451 Research.
Vivanda est une entreprise qui recourt aux big data et aux outils analytiques pour cartographier et étudier les préférences alimentaires afin de fournir des recommandations personnalisées.
La révolution du machine learning au sein des entreprises n'en est qu'à ses débuts. De fait, les grands groupes ont compris l'intérêt de récupérer les données clés pour automatiser un certain nombre de leurs process de ventes. Le machine learning leur permet en effet de prendre en compte des milliers de paramatères en même temps, et que le cerveau humain seul ne pourrait opérer. En cela, le machine learning est directement lié à la Big Data du côté des informations à agréger, mais aussi à l'intelligence artificielle, pour la prise de décision. A quel stade de mâturité se trouvent les entreprises françaises en matière de machine learning?
Big Data, Data mining, business intelligence ou machine learning... Que veulent dire exactement ces nouveaux concepts ?
Les grandes enseignes multiplient les expérimentations entre rachats de start-up et créations d'incubateurs. De nombreuses start-up de la tech se spécialisent dans l'analyse de données pour les hypermarchés.
|
Un data lake est taillé pour casser les silos des systèmes d'information. C'est aussi un moyen de gagner en agilité. L'expert Vincent Heuschling répond aux questions du JDN.
« Big data », expression derrière laquelle se cachent des définitions multiples et variées. Pour autant, l’on s’accorde généralement à associer au Big data les notions de grand volume de données, d’augmentation exponentielle des capacités de stockages ainsi que d’algorithmes sophistiqués susceptibles d’accroître substantiellement les capacités d’analyse de ces données. Les sources de données sont diverses, qu’il s’agisse des données associées aux réseaux sociaux, des données produites par les objets connectés et multiples capteurs disponibles ou encore des données détenues par l’administration publique, rendues accessibles dans le cadre de la démarche d’open data.
Présentation de la Charte du Big Data par le Club Big Data et Intelligence Artificielle, un document de référence ayant pour vocation à constituer un outil pédagogique et un support d'aide à la décision incontournables pour les professionnels de l’Intelligence Économique.
Big data : faut-il en avoir peur ? Le pavé lancé par le Parvis dans la mare numérique a trouvé un vif écho auprès du public bigourdan. La conférence, prélude au spectacle «From the ground to the cloud», a fait salle comble, signe de l'attente et des interrogations qui entourent le sujet.
Les nouvelles technologies (smartgrids, IoT, blockchain) s’imposent aux fournisseurs d’énergies pour fournir de nouveaux services énergétiques à leur clients, selon Jean-Michel Blanc, service manager chez ekWateur. De nouvelles compétences, très prisées, qui restent à maitriser.
A la croisée de beaucoup de technologies, les méthodes sous-jacentes liées à l’IA ont énormément évoluées ces dernières années et se sont diversifiées. L’IA qui est intrinsèquement liée au Big Data, profite depuis les années 2000 d’un environnement technologique opportun, avec la montée en puissance de traitements des machines, des architectures distribuées autant côté calcul que stockage et bien évidemment du marché mobile et des objets connectés générant de plus en plus de données.
Plus rien de semble arrêter la révolution Big Data. À la fois promesse d’un monde meilleur et angoisse d’un possible big brother, le Big Data est la nouvelle réalité de l’économie numérique : c’est le nouveau territoire de développement et de création de valeur pour les entreprises. Les opportunités semblent infinies, c’est pourquoi il faut s’approprier la data pour mieux la comprendre et l’apprivoiser, afin de se préparer au futur vers lequel elle semble nous mener. Quelles sont aujourd’hui les grands enjeux du Big Data pour les entreprises ?
La manipulation de la donnée est intrinsèque à l’activité du courtage en assurance, qu’il s’agisse des données nécessaires à l’analyse de risques ou des données produites dans le cadre de la gestion de contrats d’assurance.
Après un rapport sur les dix défis majeurs du big data en matière de sécurité et de confidentialité, la Cloud Security Alliance propose désormais aux entreprises 10 conseils pour améliorer la sécurité dans chacun des domaines répertoriés.
De plus en plus d'américains confient leur épargne non plus à un conseiller financier, mais à un algorithme. C'est ce que l'on appelle les Robo-Advisor. Conçus par des Fintech ou des institutions financières traditionnelles, ils vont exploser dans les années qui viennent.
Si les data-scientists peuvent apporter de la valeur à une équipe en charge d'une analyse Big Data, toutes les entreprises n'en ont pas besoin. Pour éviter d'avoir recours à ces spécialistes, certaines utilisent un savant mélange de technologie et de culture.
« Big data », expression derrière laquelle se cachent des définitions multiples et variées. Pour autant, l’on s’accorde généralement à associer au Big data les notions de grand volume de données, d’augmentation exponentielle des capacités de stockages ainsi que d’algorithmes sophistiqués susceptibles d’accroître substantiellement les capacités d’analyse de ces données. Les sources de données sont diverses, qu’il s’agisse des données associées aux réseaux sociaux, des données produites par les objets connectés et multiples capteurs disponibles ou encore des données détenues par l’administration publique, rendues accessibles dans le cadre de la démarche d’open data.
|
Le Big Data et l'IA connaissent des problématiques similaires. Pour comprendre cette interaction, il faut en premier lieu s’intéresser aux limites endogènes à ces technologies, c’est-à-dire aux limites qui ne dépendent que des chercheurs et des avancées scientifiques. Pour cela, nous parlerons d’abord des limites immatérielles avant de nous intéresser à leurs pendants matériels. Dans un dernier temps, il apparaît nécessaire d’évoquer les facteurs exogènes à ces technologies, c’est-à-dire tout ce qui empêche leur diffusion au sein des entreprises, mais qui n’est pas directement lié à la technologie.