En poursuivant votre navigation, vous acceptez l'utilisation de cookies destinés à améliorer la performance de ce site et à vous proposer des services et contenus personnalisés.

X

Du concept à la mise en oeuvre du machine learning dans les entreprises: l’expérience Datapred

Cahier du Master PIC n°3, avril 2019

Henri Bourdeau, Christophe Midler, Corentin Petit   

Résumé

Ce cas s’inscrit dans la vague de déploiement des « Data analytics » dans les entreprises. Le projet s’est déroulé dans une start-up ayant développé une technologie de prévision des séries temporelles originale et particulièrement efficace. Intervenant dans un modèle économique de Business to Business, l’entreprise propose à ses clients, de grandes entreprises, une offre en deux étapes. Dans un premier temps, elle propose de tester la pertinence de sa technologie sur un besoin de prévision réel du client, en confrontant, sur un jeu de données pilote, ses résultats aux prévisions réalisées par les experts internes de l’entreprise. Le coût de réalisation d’un tel POC est relativement faible. Si ce test s’avère positif, c’est-à-dire si la prévision est meilleure que les prévisions internes, il est proposé à l’entreprise d’acheter et déployer la licence d’exploitation du logiciel, à un prix évidemment beaucoup plus important.

Les principaux enseignements que l’on découvrira dans ce cahier, sont triples. Tout d’abord, l’importance de la phase de POC dans la mise en œuvre de ces nouvelles technologies et la stratégie de croissance des start-up du domaine. C’est à la fois une étape clé de crédibilité de ces outils nouveaux aux yeux des clients. C’est en même temps une étape majeure d’apprentissage pour les experts de l’analyse de données qui confrontent leurs techniques aux spécificités d’un questionnement professionnel qu’ils découvrent. C’est enfin une source de financement de l’entreprise, même si l’essentiel du revenu est attendu de la vente des licences logicielles à l’issue de la seconde phase. Ensuite, l’importance du saut qui sépare la promesse d’un POC réussi de la vente d’un logiciel finalisé. Un saut qui tient à la fois à la structuration de la problématique de mise en œuvre des prévisions chez les clients et à l’articulation des missions de test et de développement produit dans l’entreprise de conception logiciel. Enfin, la nécessité, pour franchir ce saut, d’opérer des mutations de la stratégie et de l’organisation de l’entreprise de data analytics, mutations portant sur sa conception logiciel, l’organisation de sa R&D, sa stratégie marketing et son business model.

Texte intégral