Sans l’analytique basée sur l’intelligence artificielle, point de salut pour l’entreprise 5.0

Au fur et à mesure que le Big Data devenait la norme, les entreprises ont commencé à adopter une approche plus stratégique afin de tirer davantage des informations inondant les systèmes d’informations via des canaux toujours plus nombreux. Beaucoup de structures ont constaté à leurs dépens qu’en matière de décisionnel, quantité de données ne rime pas toujours avec qualité et que le pourcentage de « déchet » est conséquent. La donnée brute, tel que le pétrole auquel elle a été tant comparée, n’est rien sans être traitée. En l’état, elle peut même être préjudiciable lorsqu’il s’agit d’adopter des stratégies nécessitant un maximum de discernement et un sens de l’à-propos.

Ainsi, et peut-être sans surprise, une tendance a récemment pris de l’ampleur au sein des entreprises. Elle est le fruit d’un changement drastique d’état d’esprit qui reposait sur la simple collecte d’informations et qui a pris un tournant sans précédent en adoptant des méthodes rétrospectives d’analyse des données en profondeur pour en faire ressortir des détails pertinents. L’utilisation de l’analytique avancée permet aux entreprises d’extraire « la substantifique moelle » de la data, permettant de faire plus avec moins. Cette approche offre des marges d’exploitation toujours plus importantes et assure aujourd’hui aux entreprises la garanti de prendre l’ascendant sur la concurrence.

Tirant parti de l’apprentissage automatique (machine learning), ce phénomène oblige à une réévaluation de la vision traditionnelle du Big Data axée sur la quantité, une approche qui a longtemps dominé dans le royaume du numérique. Aujourd’hui, l’intelligence artificielle et l’analytique changent la donne. Cette puissante combinaison est parfaitement équipée pour éplucher des tonnes d’informations, et définir les relations et anomalies entre des jeux de données afin d’extraire des renseignements exploitables.

L’intelligence humaine en ressort grandie, ce qui augmente par la même occasion la valeur ajoutée pour l’entreprise. Tandis que l’IA abat le gros du travail à une vitesse et une échelle inaccessible à l’humain, l’analytique offre une approche plus accessible et intuitive pour l’examen des données. Tout ceci peut avoir des répercussions profondes et étendues pour une structure, en particulier dans l’optique de promouvoir une culture des données plus fermement établie.

Le décisionnel orienté données n’est plus réservé à quelques privilégiés et implique désormais une plus grande partie des effectifs. Loin d’être facultatif, ce mode de fonctionnement deviendra même une exigence fondamentale afin de compenser la pénurie de talents spécialisés dans l’analyse des données. Des chiffres en provenance de McKinsey & Company mettent en évidence l’ampleur du problème : les États-Unis, par exemple, doivent faire à face à une pénurie de 190 000 individus compétents dans l’analyse de données, et de 1,5 million de responsables et d’analystes capables de comprendre et de prendre des décisions basées sur l’analyse des Big Data.

La santé, la finance ou l'industrie sont quelques-uns des secteurs qui ont adopté le plus vite cette approche. Les professionnels de santé s’appuient désormais sur des technologies dont l’intelligence artificielle pour, par exemple, détecter par l’odorat en sentant son haleine si le patient est malade et si oui de quelle maladie il souffre. De leur côté, les banques utilisent des algorithmes avancés pour l’analyse approfondie de la situation financière d’un client, de ses objectifs et de son aversion au risque. Elles affinent leurs offres en fonction des comportements de leurs clients. D’autres cherchent à rattraper leur retard, comme l’industrie pétrolière et gazière. Dans ce secteur, la pression liée à de faibles marges en raison de la chute du prix du pétrole requière plus de précision afin d’optimiser la production.

Les entreprises doivent désormais effectuer une supervision en continu et prendre des décisions bien informées, et ce dans le but d’assurer le fonctionnement en douceur et sans accroc d’opérations critiques. L’élément changeant la donne est donc devenu l’adoption d’une approche quantifiable issue de la convergence entre science et commerce qui garantit rendement et compétitivité de l’entreprise.

L’apprentissage automatique permet de fournir des recommandations et de formuler des prédictions sur le pilotage et la gestion d’actifs en traitant des milliards de données en temps réel – des équipements aux gradients thermiques. La vision complète et le niveau de précision atteint enlèvent toute incertitude de l’équation. En somme, l’instinct se voit alors remplacé par un cerveau humain « augmenté » tout cela grâce à la puissance des algorithmes.

En tant que CTO EMEA de TIBCO, Maurizio Canton s’assurera de la cohérence de la vision technologique de l’entreprise. Il assurera également le suivi des activités de vente stratégique, de marketing et de fusion-acquisition de l’entreprise, ainsi que des relations avec la presse et les analystes – tout en servant de relais régional pour la direction technique mondiale de l’organisation. Maurizio possède plus de 25 années d’expérience forgée dans le domaine de l’informatique après avoir travaillé pour de nombreux éditeurs tels que TIBCO Software, IBM, Siebel, SOA Software et Red Hat. Il a occupé plusieurs postes en Europe dans les domaines des activités avant-ventes / de vente, du marketing et du génie matériel / logiciel. Durant ses premières années chez TIBCO, Maurizio Canton a été le seul en Europe à soutenir la technologie des mainframes, avant de devenir un conseiller en solutions accompli sur le marché financier du Royaume-Uni. Il a également fait partie de l’équipe du Composite Application Group (CAG) s’occupant de l’infrastructure et de la gouvernance des solutions SOA et BPM de TIBCO en Europe et dans le monde.