Trophées Big Data Paris 2017 : voici les gagnants
La cérémonie de la 5e édition des Trophées de l'innovation Big Data s'est tenue ce mardi 7 mars dans le cadre du salon Big Data Paris organisé au Palais des Congrès de Paris. Les candidats pouvaient concourir dans trois catégories : BtoB, BtoC et Start-up. En amont, deux finalistes par catégorie ont été sélectionnés par un jury indépendant. Chaque finaliste a pu venir défendre son projet sur scène. Le lauréat de chaque catégorie a ensuite été élu par SMS par le public.
Trophée BtoB : Covéa et son "data store" interne
L'assureur Covéa a été primé dans la catégorie BtoB pour un projet de data store interne. Il met à disposition des milliers de jeux de données en provenance de fournisseurs externes ou de ressources en open data. Il intègre un moteur de recherche permettant aux salariés d'aller fouiller dans ces informations, avec à la clé un système de recommandation personnalisée en fonction du profil du collaborateur. La plateforme a été mise en œuvre avec l'aide de la start-up française Blue DME. "Ces data pourront par exemple permettre d'optimiser le churn des clients", explique Soumaya Ben Hassine, data scientist au sein du groupe d'assurance mutualiste. Sous le capot, la plateforme s'adosse à plusieurs technologies stars du Big Data (Apache Spark, Hadoop ou encore Elastic Search).
Trophée BtoC : Tellmeplus sur la prédiction des pannes de véhicules
Lauréat dans la catégorie BtoC cette année, ce n'est pas la première fois que Tellmeplus est primé dans le cadre des Trophées de l'innovation Big Data. Lors de l'édition 2015, la société de Jean-Michel Cambot avait reçu le 1er Prix pour un projet de drone conçu pour la surveillance des voies ferrées. Cette année, Tellmeplus est récompensée pour une technologie de maintenance prédictive des véhicules (bus, camions, trams, trains...).
La société parisienne a créé un module permettant d'extraire en temps réel les données techniques d'état des moteurs. Il vient s'intégrer à la technologie de voiture connectée de Xee, avec lequel Tellmeplus a signé un accord. Combiné à l'historique technique de plusieurs millions de moteurs (également fourni par Xee), ce flux permet de détecter les signaux faibles annonciateurs de panne. Techniquement, la plateforme s'adosse au moteur de machine learning conçu pour Tellmeplus (Meta Active Machine Learning) qui est lui-même basé sur Spark.
Start-up : Zelros et son assistant conversationnel
"La meilleure façon d'obtenir une réponse à une question est tout simplement de la poser." C'est le constat qui a amené Zelros à concevoir un assistant conversationnel pour le monde de l'entreprise. "Le recours à la conversation et au langage naturel permet en effet de masquer la complexité des algorithmes de prédiction pour n'en garder que la valeur ajoutée pure", pointe la start-up.
Conçue pour des groupes du CAC40, la solution fait appel à des technologies de NLU (pour Natural Language Understanding) ainsi qu'à un moteur de machine learning - qui "calcule les scores nécessaires aux prédictions et prescriptions réalisées par l'assistant". L'objectif ? Offrir un accès temps réel et interactif aux données clés de l'entreprise. "Une attention particulière a été portée à la transparence des modèles utilisés, afin de pouvoir répondre au 'pourquoi' d'une prédiction particulière, lorsque cela était nécessaire", ajoute-t-on chez Zelros.
Prix spécial : Sopra-Steria, la géolocalisation par satellite
Sopra-Steria a reçu le Prix spécial du jury pour un projet mis en œuvre pour son client CLS (pour Collecte Localisation Satellites), un opérateur de systèmes de données satellitaires, filiale du Cnes. La finalité du chantier : déployer un système de traitement temps réel de multiples sources de données satellitaires (données météorologiques, océanographiques, positions d'objets...).
En amont, toutes les informations sont injectées dans un data lake, en étant préalablement qualifiées. En aval, la plateforme fait remonter des alertes : détection de rencontres de navires, entrées et sorties de zones surveillées... "L'un des principaux défis du projet était de combiner des données de type time series et géospatiales", précise-t-on chez Sopra-Steria. Le chantier est pour l'heure à l'état de proof of concept.
Pour la suite, CLS planche sur de nouveaux cas d'utilisation de la plateforme, par exemple en matière de traitement de données satellitaires pour mieux comprendre les mouvements d'animaux.
Quels critères de sélection ?
Pour réaliser sa sélection, le jury des Trophées de l'innovation Big Data a privilégié plusieurs critères : la nature et la démarche Big Data du projet, le niveau de valorisation de la donnée, et le niveau d'innovation en matière d'usage métier. Les projets ayant atteint une première étape de déploiement ont par ailleurs été privilégiés, ainsi que les projets d'application ne se limitant pas à une solution ou une technologie.
A lire aussi :