MOMENTTECH aide les entreprises à moderniser leurs technologies, repenser leurs process et transformer leurs expériences
Denis Escudier - CEO
Au cours des 10 dernières années, la science des données a connu un développement considérable grâce à des conditions enfin réunies pour que son expression soit totale. Les processus de numérisation des données débutés dans les années 80 et accélérés dans les années 1990 par l’arrivée d’internet et par la conversion croissante dans les années 2000 des entreprises aux outils informatiques et la dématérialisation pour les particuliers de leurs données personnelles ont généré des volumes de données inédits. Les problèmes posés par le coût et la sécurité du stockage des données sont résolus grâce aux fermes de données et au cloud à la fin des années 90.
Les performances des matériels, la miniaturisation des puces font un bond en avant et permettent une augmentation du stockage à moindre coût et une capacité accrue des calculs. La loi de Kryder nous rappelle ainsi que la capacité de stockage des disques durs sont doublés tous les 13 mois tout en divisant par 2 leur coût. En 1981, le coût équivalent du stockage d’une chanson MP3, soit 1Mo était de 700 $ pour n’être que de 1$ douze ans plus tard et moins de 10 cents par Go après 2010.
Nous sommes ainsi passés d’une économie de la possession à celle de la location et d’une production annuelle démultipliée de données qui acquièrent une valeur intrinsèque par leur volume, leur variété et leur vitesse de rafraichissement. Selon IBM, en 2019, 90% des données mondiales avaient été créées au cours des deux années précédentes. Mais ces enjeux économiques nouveaux portants sur « l’or du 21ème siècle » sont intimement liés aux enjeux environnementaux et sociétaux. Face à ce contexte, MomentTech a entamé une politique RSE dès sa création en 2016, d’une part en associant équitablement les salariés au capital de l’entreprise et d’autre part, en recherchant un acteur local et innovant dans l’hébergement « vert » des données.
Notre 1er partenaire a été ainsi Webaxys, le 1er véritable « Green Datacenter » européen, français et normand! Les données brutes prennent encore plus de valeur et de sens pour les organisations lorsqu’elles sont analysées, corrélées et traduites visuellement de façon à lire facilement les tendances de l’activité d’une entreprise par exemple. Cette augmentation exponentielle des volumes de données traduite en termes de « Big Data » dès 1997 mais démocratisée bien plus tard, permet l’essor de la « business intelligence » et de la datavisualisation ou « dataviz » des années 2010 à aujourd’hui.
Nos amis américains l’ont bien compris. Ils ont été les premiers à créer les conditions de stockage d’un cloud performant et accessible. Leur avance est telle et leur main mise sur les données du continent européen si forte que les GAFAM représentent aujourd’hui 70 à 75 % des données hébergées en Europe selon un rapport du CESE en 2021. Ils ont été les premiers à comprendre la valeur « business » que représentaient ces données stockées et rafraichies. Ils ont donc été naturellement les premiers à proposer les outils d’analyse, d’exploitation, de visualisation des données et plus récemment les capacités à orchestrer les données et algorithmes de Machine Learning puis l’entrainement dans le cloud des modèles d’IA sur des réseaux de neurones pour le Deep Learning. Cette avance technologique pose donc un problème crucial de souveraineté pour l’avenir de notre continent si tout « l’or » du 21ème siècle est détenu par 5 à 6 entreprises au sein d’un seul et même pays! L’indispensable souveraineté des données implique l’avenir de notre indépendance économique.
Cet enjeu a été à l’origine de notre volonté d’offrir une alternative efficace aux entreprises françaises et européennes : une plateforme autonome de Data Science, déployable dans chaque entreprise ou accessible dans un cloud Français, souverain et sécurisé permettant aux organisations de traiter leurs données et de les mettre en œuvre de façon sûre. Pour aller plus loin encore et transformer durablement les organisations au-delà de la dataviz, le phénomène « Big Data » a permis le développement prometteur de l’intelligence artificielle. Le Machine Learning a favorisé la mise en œuvre d’algorithmes d’analyse prédictive plus précis qui ont des applications concrètes dans notre quotidien (prédiction de prix, détection de spams, de fraude, recommandation de produits…). Depuis les années 2010, le Deep Learning va au-delà et son utilisation a participé à la découverte d’exoplanètes, la mise en œuvre de nouveaux médicaments, la détection de maladies précoces, la voiture autonome….
Si la plupart d’entre nous s’intéresse davantage aux résultats spectaculaires de cette évolution scientifique, celle-ci induit pourtant une délicate mise en œuvre et des bouleversements importants dans les organisations : la formation de nouveaux ingénieurs, la sensibilisation des « data/IA citizen » au sein des équipes métiers, la reconversion des salariés impactés, l’interaction des équipes métiers et IA, la création des outils nécessaires à l’exploitation des données et des IA. Rompre l’isolement des ingénieurs et les aider à accélérer la mise en œuvre de leurs modèles d’intelligence artificielle constituent des enjeux d’organisation et de productivité. Il s’agit désormais de travailler en équipes projets sur un même outil et pouvoir se relier aux équipes métiers et des SI pour réussir enfin une industrialisation des projets jusque là souvent compromise. C’est pourquoi, cette « science des données » et la mise en œuvre du travail de récolte, de stockage, de nettoyage, de caractérisation et d’analyse comme de la recherche des meilleurs algorithmes et de l’implémentation de réseaux de neurones nécessitent un changement d’organisation et de méthode.
Il s’agit désormais de ne plus penser aux « POC » mais aux projets et à leur industrialisation et de réussir ce que le cabinet Gartner dénonçait comme un échec (temporaire) de l’IA en 2020 : « 85% des projets d’IA échouent ». En créant la plateforme IA PARC, première plateforme souveraine et collaborative d’Intelligence artificielle optimisée pour le Deep learning, nous avions conscience de cet enjeu d’organisation. Elle permet d’améliorer considérablement la productivité et les conditions techniques de travail des Datascientists et Ingénieurs IA. Ils disposent enfin de tous les outils dont ils ont besoin sur un même espace de travail afin d’intégrer et de stocker leurs données, puis de les traiter, les analyser, créer leurs modèles d’IA.
Il est désormais possible de partager les projets en équipe, les faire valider par les équipes métiers et les mettre en production avec l’interaction des équipes SI. MomentTech est fière d’avoir relevé le défi de l’industrialisation pour le porter encore plus loin. Nous sommes impliqués dans la recherche et les instances de normalisation pour faire aboutir l’IA de confiance qui permettra à tous d’adopter davantage les nouvelles applications spectaculaires et réjouissantes de cette science. Pourvu que nous gardions l’idée, et c’est le sens de nos travaux et de notre engagement, que le bien-être de tous et de notre environnement naturel soient toujours placés au cœur de nos ambitions.
Denis Escudier