Verteego : quand l’intelligence artificielle sert de levier d’aide à la décision

« Pas de data, pas de résultat ».

Conclusion idéale à la rencontre que Verteego organisait aujourd’hui à Paris dans l’enceinte du NUMA , tant les intervenants invités à s’exprimer sur la thématique de l’intelligence artificielle auront insisté sur l’importance de la préparation des données.

Identifier les sources accessibles et exploitables, puis définir un lieu d’entreposage ;  procéder ensuite au nettoyage, à l’extraction et à la construction du pipeline… Autant d’étapes qui, dans un projet de développement d’applications prédictives, sont souvent plus complexes que le choix et le paramétrage des algorithmes.

Un cas client dans le domaine des ressources humaines l’a illustré. La création de la base de données et sa standardisation aura été le processus le plus chronophage pour mettre au point un système destiné à avertir les managers des talents les plus susceptibles de quitter l’entreprise.

Niveaux de salaires, heures travaillées, promotions, anciennetés, accidents de travail, dernières évaluations… Tous ces flux internes ont été centralisés pour déterminer, dans un premier temps, ce qui poussait les employés à aller voir ailleurs.

L’application d’un modèle prédictif a permis de segmenter l’approche par départements et de finalement déterminer que les démissions étaient souvent liées à une surcharge de travail.

« Pas de data, pas de résultats », de l’importance de la phase d’apprentissage des algorithmes de #machinelearning au #VerteegoInsights @NUMA pic.twitter.com/bmgUhDWaGl

— CliMartin (@_CliMartin_) 13 décembre 2016

Du bilan carbone à l’analyse prescriptive

Dans le domaine du retail, on exploite plus volontiers des données exogènes. En l’occurrence, la météo, la conjoncture économique ou encore l’actualité sociale, en complément aux informations sur lesquelles les points de vente ont la main (fréquentation, musique diffusée, température, nombre de vendeurs…). C’est dans ce secteur que Verteego avait lancé, il y a deux ans, l’exploitation commerciale de son offre d’analyse prescriptive en temps réel. Un virage notable pour la société qui, à ses débuts en 2008, se décrivait comme « la plateforme web des entreprises responsables », avec des modules permettant par exemple de réaliser un bilan carbone. Derrière la marque Verteego, on trouve la société Emerald Vision, qui dispose du support initial du groupe ASAP (réseau de services en mode SaaS fondé et géré par l’entrepreneur et business angel Bruno Watine) et du soutien financier de Kima Ventures (fonds d’investissement de Xavier Niel).  

Terrain de jeu pour anticiper toujours plus le fonctionnement des magasins #intelligenceprédictive #verteegoinsights @NUMAparis pic.twitter.com/f006Y84SKy — Anne Dupont (@LeMirageDigital) 13 décembre 2016

Tendance machine learning

Les archives du blog – plus de 300 articles – permettent de retracer, dans les grandes lignes, l’évolution du positionnement de Verteego.

De l’arrivée de Rupert Schiessel en tant que vice-président marketing et opérations en février 2008 à l’annonce de la première interview télévisée du président-cofondateur Jeremy Fain sur Direct 8 dans le courant de l’été de la même année, la dimension du « développement durable » était omniprésente, à travers des publications aussi variées que « La vache ou la voiture : qui pollue plus ? », « Pamela Anderson contre le réchauffement climatique », « Aime ton capital social il te le rendra » et « Emballage réduit, plaisir immédiat ».

À l’issue d’une année 2010 marquée par l’amorce de partenariats opérationnels avec des cabinets d’études et un accord de collaboration stratégique avec Sage (éditeur de progiciels), on avait vu apparaître des publications en anglais et des annonces d’extension du réseau à l’international.

Avec toujours une offre composée essentiellement de systèmes de collecte, de traitement et de visualisation de données dites ESG (environnement – social – gouvernance).

Le levier du prédictif avait véritablement été enclenché fin 2014, à la faveur d’un programme R&D. Depuis quelques semaines, il « s’affirme » véritablement, pour reprendre la formulation de Verteego, qui estime que « dans cinq ans, une grande partie des technologies que nous utilisons au quotidien seront dotées de capacités fonctionnelles qui se serviront de près ou de loin de l’intelligence artificielle ».

La diversification sectorielle se reflète dans les derniers webinaires organisés : le machine learning dans l’assurance, la prédiction du trafic en point de vente, des consommations énergétiques…

#verteegoinsights : les systèmes intelligents n’ont pas de problème par rapport au changement

— Isabelle Prigent (@IsabellePrigent) 13 décembre 2016

Business intelligence

Verteego a adopté une approche de « création collaborative » avec ses clients : à chaque problématique répond une application conçue avec les équipes d’utilisateurs.

Qu’elles soient destinées au reporting ou qu’elles incluent la dimension prédictive, ces applications sont construites sur la DMP cloud de Verteego.

Les modèles prédictifs ne sont généralement pas développés de zéro. Ils sont fondés sur des algorithmes open source, telle la bibliothèque TensorFlow, que Google a ouverte fin 2015.

La valeur ajoutée réside dans l’affinage du modèle pour permettre, une fois que la machine a interprété les corrélations entre les flux de données, de « décider de ce que sera le futur ». On reste néanmoins, comme le fait remarquer Jeremy Fain, sur des « outils d’aide » et non pas sur des technologies qui prennent elles-mêmes des actions.

La brique prédictive n’intervient qu’après la récupération des données (une API et des moteurs de campagnes doivent faciliter la tâche), leur traitement (c’est là qu’intervient le moteur intégré de calculs matriciels ou algorithmiques), puis leur analyse et leur restitution sous formes infographique.

Gérer les stocks… et les e-mails

Du côté de SendInBlue, on en est arrivé à la phase de production.

Représentée par son CTO Mickaël Arias, la start-up installée à Paris est à l’origine d’une plate-forme d’e-mail marketing utilisée par « 15 000 organisations ».

Elle a fait appel à Verteego pour construire une chaîne algorithmique capable de prédire le scoring des listes d’e-mails importées par ses clients. L’objectif étant d’anticiper les utilisations frauduleuses par des « acheteurs de bases ».

Déployé sur les plates-formes cloud de Google et d’Amazon Web Services, l’outil permet aujourd’hui de valider automatiquement 40 % des comptes d’utilisateurs ; sachant que le paramétrage est plutôt strict, quitte à réaliser un traitement manuel a posteriori pour les cas tangents.

Verteego donne aussi, pour le compte d’un acteur de la motorisation aéronautique, dans la traçabilité des substances chimiques contenues dans les articles achetés auprès de l’ensemble des fournisseurs.

On trouve également des références chez les organisateurs d’événements (pour évaluer la qualité de leurs projets) et les collectivités territoriales (tableaux de bord analytiques pour les élus).

C’est dans le domaine du retail que le ROI est le plus perceptible. En tout cas pour ce qui est de cette application qui pousse, par e-mail, des promotions géolocalisées lors des périodes détectées comme des heures creuses.

La dimension prédictive apparaît dans des questions comme : « En quoi la prochaine manifestation prévue dans le quartier influera-t-elle sur mes ventes ? ». Au jour le jour, il s’agit surtout de permettre aux managers d’organiser le planning de leurs équipes et de gérer les stocks.

#verteegoInsights@mickael_arias de @SendinBlue_fr raconte la typologie de clients avant d’aborder la question des automatismes prédictifs pic.twitter.com/MqQZlUR8Oy

— Jeremy Fain (@jeremy_fain) 13 décembre 2016

* En illustration, Clément Guillon, directeur général délégué de Verteego, arrivé en 2013.