Inutile de passer du temps à convaincre que nous sommes entrés dans une ère où les données prolifèrent et où chaque entreprise devient une entreprise de données. Le volume de données créé va exploser passant de 2 zettaoctets en 2010, à 47 en 2020 pour atteindre 2 142 zettaoctets en 20351 (1 zettaoctet équivaut à un milliard de téraoctets). Le succès et la performance des organisations sont donc intimement liés à la capacité de traitement et à l’analyse efficace et en temps réel de leurs données. Toutefois, même si cela fait plus de vingt ans qu’on collecte la donnée, nous sommes aujourd’hui encore aux prémices de son exploitation.
D’après une étude de Capgemini Research Institute, 16 % des entreprises seulement maîtrisent réellement la donnée. En outre, à peine 40 % des entreprises utilisent l’information issue de ces données pour stimuler la valeur commerciale et l’innovation.
L’un des enjeux clés pour les organisations réside dans la démocratisation de la donnée et son accès au plus grand nombre.
À l’ère de l’IoT, de la 5G et de l’intelligence artificielle, la donnée doit devenir une commodité et non plus un objet complexe. Tout le monde s’accorde sur la nécessité d’industrialiser le traitement de la donnée depuis sa collecte jusqu’à son exposition afin d’accélérer l’intelligence artificielle et, par conséquent, supprimer la limitation des cas d’usage rendant le recours aux « Proofs of Concept », PoC, inutile car les PoC sont consommateurs de temps et peu générateurs de valeur puisqu’ils ne répondent pas immédiatement aux conditions de la mise à l’échelle. Il s’agit donc clairement d’industrialiser et de dégager un ROI grâce à des projets réalisés à partir de données fiables et rendues accessibles à tout acteur au sein de l’entreprise.
Malheureusement, aujourd’hui, tout ce traitement se fait manuellement (écriture de script) avec la lenteur que cela peut causer. De plus, la nécessité de devoir disposer de compétences très spécifiques ne permet pas une démocratisation pourtant nécessaire pour que chacun puisse avoir un usage utile et intelligent de ses propres données.
Certains secteurs d’activité sont plus matures que d’autres au regard de la maîtrise de la donnée, notamment dans l’univers de la santé. D’après l’étude « Smart use of artificial intelligence in health care » menée par Deloitte, la tendance serait ainsi à une accélération des investissements. Parmi les entreprises de la santé, 73 % envisageaient en 2020 d’allouer des moyens supplémentaires à l’IA. Mais industrialisation et ROI se heurtent souvent encore à des freins organisationnels et techniques. Le premier d’entre eux, c’est souvent la donnée elle-même. Disséminée dans l’entreprise et dans des systèmes d’information complexes, incomplète, hétérogène, structurée ou pas, de qualité ou non, la data est partout. Le deuxième frein s’explique par un manque d’implication des dirigeants qui ont une méconnaissance de la valeur de leur patrimoine de données.
Une fois la maîtrise des données acquise, il s’agit alors de pousser la réflexion encore un peu plus loin et de voir comment la donnée devient le cœur du système, le véritable système d’exploitation, pour répondre aux grands enjeux que nous devons adresser, à la fois industriels et environnementaux. Ce capital demeure cependant sous-exploité pour ces différentes raisons. Il est encore rare, par exemple, que la donnée soit cataloguée et unifiée, au sein d’un même outil, comme un data warehouse ou mieux que cela un datalake..
L’existant (la legacy) complexifie donc encore un peu plus le développement de modèles d’intelligence artificielle et leur usage pour des processus opérationnels. Ainsi, modèles d’analyse prédictive (23 %)2 et approche prescriptive (18 %)2 ne sont nullement la norme aujourd’hui et l’utilisation des données se cantonne donc largement à une « approche décisionnelle réactive ».
Nous assistons encore aujourd’hui à une ascension trop lente vers l’industrialisation de la data et de l’IA. Les entreprises progressent dans leur ensemble, tout en se limitant encore trop souvent à l’usage de données dites « historiques ». Pourtant, les bénéfices attendus devraient stimuler les projets et leur industrialisation. On peut citer ainsi des améliorations en termes d’efficacité opérationnelle et de réduction des coûts. Mais faute de bonnes pratiques et d’industrialisation, ces bénéfices restent théoriques.
Des solutions existent pourtant et la technologie est française.
Loamics apporte une solution de rupture dans l’ingestion des données, leur valorisation, mais aussi leur gouvernance pour aider les entreprises à exploiter pleinement le potentiel de leur patrimoine de données.
Libérée des contraintes de volume, d’hétérogéité des formats et des sources des données, la plateforme Loamics est une infrastructure très puissante capable de traiter les données de bout en bout et sans discontinuité et de fusionner des données hétérogènes massives en continu et en temps réel de manière entièrement automatisée et industrialisée (connexion, collecte, fiabilisation, curation, ingestion, préparation, enrichissement, exposition).
Une fois collectées, ces données sont homogénéisées et disponibles dans un véritable datalake localisé dans l’environnement du client. Ce système permet l’accès aux meta-données, une vraie virtualisation des données avec une grande sobriété numérique, une souveraineté et une réelle gouvernance des données. Les données sont alors exposées et disponibles pour être connectées à tous les algorithmes, outils de data visualisation ou de business intelligence que le client souhaite sans aucune limite de cas d’usages.
Totalement interopérable, la plateforme peut se connecter avec tous les systèmes en amont et en aval de l’entreprise et permet d’agréger un nombre illimité de services et d’applicatifs. Un avantage différenciant de la plateforme est la suppression des contraintes techniques puisqu’elle rend interopérable tous les systèmes qui aujourd’hui ne sont pas compatibles.
Parmi les nombreux bénéfices de la solution Loamics, celles qui viennent révolutionner le monde de la donnée :
- Une solution Flash : Loamics c’est du plug & play, en quelques heures, les clients accèdent à toutes leurs données contrairement aux délais actuels de traitements et de déploiements qui peuvent prendre plusieurs semaines voire plusieurs mois.
- S’approprier l’intégralité de ses données sans les exporter, une maîtrise absolue de la data : le mode iPaaS de Loamics permet aux clients de conserver la souveraineté de leurs données tout en ayant une gouvernance optimale, leur traitement de bout en bout et sans discontinuité de façon totalement automatique étant effectué dans l’instance même du client.
- Une intégration de données sans limites : grâce à son interopérabilité, Loamics se connecte à toutes les sources de données, tous les systèmes, protocoles, outils de Business Intelligence ou de data visualisation et d’applicatifs.
- Une solution disruptive pour les data scientists : désormais affranchi de la préparation manuelle de la donnée (80% de leur temps de travail), ces derniers peuvent se consacrer à des analyses à fortes valeurs ajoutées génératrices de productivité et de performance pour les clients, les datasets étant créés automatiquement et non plus manuellement.
Désormais, il n’y a ainsi plus de limite aux cas d’usages possibles.
Stéphane BOLLON
Directeur Général de Loamics
Pour plus d’information :
www.loamics.com
1 Source : Statista Digital Economy Compass 2019
2 Source : étude de Capgemini Research Institute