Avis d'experts

Intelligence Artificielle en France : une mauvaise qualité des données entraîne des pertes de 722 millions de dollars

Intelligence Artificielle en France : une mauvaise qualité des données entraîne des pertes de 722 millions de dollars

Les pipelines de données de streaming au cœur de la transformation de l'entreprise

Les pipelines de données de streaming au cœur de la transformation de l'entreprise

Les données, en particulier lorsqu’elles sont exploitées en temps réel, sont aujourd’hui une composante essentielle de la vie des entreprises. Elles fournissent des informations qui alimentent l’innovation et la création d’expériences personnalisées, et aident les acteurs économiques à mener leurs activités de manière intelligente et efficace.

Blog Post: Réinventer la Gestion des Données avec Actian – La Clé de la Transformation Numérique à l'Ère du Big Data

Blog Post: Réinventer la Gestion des Données avec Actian – La Clé de la Transformation Numérique à l'Ère du Big Data

À l’attention de notre communauté IT, en particulier ceux parmi vous qui ont récemment assisté au Big Data Paris, nous avons une nouvelle passionnante à partager !

Le cycle de vie d’un projet d’Intelligence Artificielle

Le cycle de vie d’un projet d’Intelligence Artificielle

De nos jours, les organisations utilisent l'intelligence artificielle pour répondre à des problématiques métiers complexes. Et les projets d’IA suivent souvent le même cycle de vie. Historiquement, les deux méthodologies de gestion de projet les plus courantes sont SEMMA et CRISP-DM. Ces deux approches ont toutes deux des avantages et des inconvénients pour donner un cadre aux activités nécessaires à la mise en place de projets analytiques avancés et performants au sein d’une organisation.

La Business Intelligence peut-elle vraiment se substituer à la Data Science ?

La Business Intelligence peut-elle vraiment se substituer à la Data Science ?

Dans le paysage économique actuel, le temps nécessaire pour obtenir des informations peut faire la différence entre réagir à une crise au moment où elle se produit ou se préparer à la prochaine et l'anticiper avant qu'elle ne se produise. Cependant, de nombreuses entreprises qui n'ont pas d'équipe de Data Science pour les aider à fournir ces informations en temps voulu se tournent souvent vers les équipes de Business Intelligence (BI) en remplacement. Malheureusement, la réalité est plus complexe, et la confusion entre les fonctions de BI et les compétences fondamentales en Data Science peut bloquer l'intelligence décisionnelle basée sur les données nécessaires pour aider à résoudre les problèmes critiques de l'entreprise.

L’AVENIR N’EST PLUS À L’OUTIL MAIS À UNE PLATEFORME DE SERVICES DATA

L’AVENIR N’EST PLUS À L’OUTIL MAIS À UNE PLATEFORME DE SERVICES DATA

Libérez les intuitions de vos collaborateurs. Les métiers doivent pouvoir investiguer eux-mêmes en temps réel. Suadeo leur permet d’outiller leurs usages et de tester leurs intuitions sans limite !

L'IA bouleverse déjà la prise de décision : les apports de Qlik Staige pour en tirer pleinement profit

L'IA bouleverse déjà la prise de décision : les apports de Qlik Staige pour en tirer pleinement profit

L’IA ne remplacera pas les humains. Mais les humains qui maitrisent l’IA remplaceront ceux qui ne la maitrisent pas.

[ FOCUS ] La nouvelle stack analytics de Decathlon : mise en place, déploiement et adoption accélérés

[ FOCUS ] La nouvelle stack analytics de Decathlon : mise en place, déploiement et adoption accélérés

L’analyse de données permet l'exploration des problématiques métiers pour produire des insights descriptifs et prescriptifs pour la prise de décisions stratégiques ou opérationnelles.

Les enfants de l’IA

Les enfants de l’IA

Nous sommes tous impliqués dans la construction du futur. Et donc chacun de nous, y compris ceux qui baissent les fondations technologiques de notre société, doit se poser cette question: quel monde allons-nous laisser à nos enfants? Au moins à court terme, les technologues vont continuer à développer des IA aux capacités de plus en plus avancées. Que pourrait devenir la vie de nos enfants dans un monde qui incorporerait une IA de plus en plus avancée? Et, si toutefois nous pouvons répondre à cette question, que devrait être cette IA?

Rapprochez l’IA générative et les LLM de vos données

Rapprochez l’IA générative et les LLM de vos données

La plateforme Snowflake unique en son genre a déjà aidé nos clients à s’affranchir des silos de données et leur a permis de bénéficier de diverses possibilités de développement directement là où se trouvent leurs données. Notamment la possibilité d’exécuter et d’ajuster les principaux LLM dans Snowflake grâce à Snowpark Container Services, de tirer le meilleur parti des données grâce aux LLM intégrés et d’améliorer la productivité à l’aide d’expériences alimentées par les LLM. Poursuivez votre lecture pour en savoir plus sur ces annonces.

Sortir de l'inconnu et adopter l'IA dans l'analyse des données

Sortir de l'inconnu et adopter l'IA dans l'analyse des données

Les bouleversements amenés par l’IA générative dans nos vies sont comparables à ce que nous avons vécus avec l’arrivée d’Internet. Cette nouvelle page dans les nouvelles technologies remet en cause le status quo rassurant de notre quotidien, augmentant une forme d’incertitude, voire de peur face à l'inconnu, car nous, les humains, ne connaissons pas tout ce que cette nouvelle technologie est capable de produire. De plus, nous ne sommes qu’au début des premières interactions avec elle. Tout reste à construire.

 Databricks annonce LakehouseIQ, l'interface en langage naturel qui met l'analyse de données à la portée de tous

Databricks annonce LakehouseIQ, l'interface en langage naturel qui met l'analyse de données à la portée de tous

LakehouseIQ est un moteur de connaissances qui utilise l'IA générative pour apprendre ce qui rend les données d'une organisation uniques et fournit des réponses utiles et contextuelles à des questions en langage naturel.

8 bénéfices des Data Products, au-delà du Data Mesh

8 bénéfices des Data Products, au-delà du Data Mesh

On ne présente plus le Data Mesh - ce concept amené par Zhamak Dehghani, qui offre une nouvelle approche pour répondre aux exigences et aux opportunités découlant de l’évolution constante des données actuellement.

Comment les retailers peuvent améliorer l’efficacité et la collaboration dans leur chaîne d’approvisionnement avec leurs partenaires de distribution

Comment les retailers peuvent améliorer l’efficacité et la collaboration dans leur chaîne d’approvisionnement avec leurs partenaires de distribution

Avec les fluctuations constantes de l’offre et de la demande mondiales, les responsables des opérations de retail ont besoin d’informations granulaires et immédiates pour prédire la demande et optimiser leurs stocks. Cependant, comme les informations sur les ventes de produits sont dispersées dans des silos et les systèmes de partenaires de distribution, ils sont contraints d’utiliser des données obsolètes et se retrouvent avec des ruptures de stock excessives et des inefficacités au niveau des stocks dans les entrepôts et les magasins. Les retailers ont besoin d’un moyen de mesurer et de répondre aux changements de la demande des consommateurs en rassemblant des informations en temps réel qui proviennent de chaque maillon de leur réseau d’approvisionnement.

La valeur cachée de votre Data Lake

La valeur cachée de votre Data Lake

Dans le domaine de l'analyse de données, l’introduction des architectures de type Data Lake a transformé la façon dont les entreprises stockent, gèrent et analysent leurs données.

S’affranchir de l’incertitude économique grâce à la Data et à l’IA

S’affranchir de l’incertitude économique grâce à la Data et à l’IA

Face à la nouvelle situation économique, de nombreuses entreprises françaises doivent s’adapter. Pourtant, avec la stratégie mise en place par le gouvernement, selon laquelle la politique de la donnée doit constituer une priorité de l’État dans ses relations avec l’ensemble de ses partenaires, notamment les collectivités territoriales et les acteurs privés, l’avenir du secteur technologique reste prometteur.

Ces opportunités qu’offrent les Large Language Models aux entreprises

Ces opportunités qu’offrent les Large Language Models aux entreprises

ChatGPT, Bing, Bard… les LLM (en français les grands modèles de langage) frappent les imaginations. Ils peuvent, en tout cas, jouer un rôle essentiel dans les entreprises. Décryptage.

Saisir le tournant data : comment naviguer dans un contexte de changement permanent ?

Saisir le tournant data : comment naviguer dans un contexte de changement permanent ?

Que l’on parle d’inflation, de conflits armés ou de perturbations de la chaîne d’approvisionnement d’un monde globalisé, ces derniers mois ont bouleversé la vie des entreprises. Le courant sous-jacent est un processus de démondialisation et de relocalisation qui s’accélère, mais ce mouvement n’est pas seulement de nature géopolitique. La redistribution du pouvoir implique aussi la fragmentation des données. Les entreprises dites « data-driven » doivent s’adapter à un monde plus distribué : aux difficultés de recrutement des experts data, à la fragmentation de la réglementation, à la montée en puissance inéluctable du edge computing. Ce contexte génère des défis et des opportunités.

Démocratisation des données : pourquoi se tourner vers une approche Data as a Product ?

Démocratisation des données : pourquoi se tourner vers une approche Data as a Product ?

La démocratisation des données (data democratization) est le processus qui consiste à rendre les données disponibles et accessibles à toutes les parties prenantes d'une entreprise. Selon cette définition, chacun devrait avoir la possibilité d'accéder aux données et de les utiliser pour prendre des décisions en toute connaissance de cause.

Analyse en temps réel : quand chaque seconde compte

Analyse en temps réel : quand chaque seconde compte

Selon Gartner, l'analyse en temps réel est la discipline qui applique la logique et les mathématiques aux données pour fournir des informations permettant de prendre des décisions plus rapidement. Pour certains cas d'utilisation, l'analyse en temps réel signifie que les analyses sont effectuées quelques secondes seulement après l'arrivée de nouvelles données. Actian appelle cela l'analyse de données "réellement" en temps réel.