Une plateforme industrielle qui va au-delà de la technologie
Afin d’adresser la réglementation GDPR, une Gouvernance de Données implémentée en amont s’assure que les données sont détenues, gérées et utilisées rigoureusement et dans un cadre légal strict pour répondre aux objectifs des entités utilisatrices. Ces processus de gestion des données incluent entre autres la gestion de la conservation et de l’archivage des données, la gestion des métadonnées (dictionnaire de données), la confidentialité des données (Privacy by Design) ou la gestion des Master Data (données de référence).
Aussi, afin de renforcer cette gouvernance, nous travaillons avec le Département CyberForce de POST, qui agit en tant que tiers de confiance indépendant. Il accompagne la mise en place de la plateforme par des revues d’architecture, des recommandations continuelles, des tests de pénétration réguliers.
Une méthodologie et des outils d’anonymisation de données ont également été mis en place. Ils permettent de respecter les contraintes réglementaires tout en autorisant une exploitation réelle de l’ensemble des données disponibles.
Enfin, une analyse juridique stricte en regard de la protection des données personnelles relative est menée pour chaque projet réalisé sur cette plateforme.
D’un besoin interne à une offre de services
Grâce à l’expérience acquise en interne, la plateforme Big Data et les services Data Intelligence sont maintenant déployés à destination de sociétés externes. Le Big Data As A Service apparaît comme une réponse aux défis du traitement de données en masse pour beaucoup d’entreprises qui n’ont ni le budget, ni le temps et ni les ressources leur permettant d’investir dans une infrastructure dédiée.
La plateforme Big Data offre une combinaison d’avantages attractifs pour les sociétés luxembourgeoises, notamment un stockage à Luxembourg et un accompagnement par des experts localisés à Luxembourg, de POST et ses filiales.
Il est ainsi possible d’utiliser la plateforme selon trois modalités.
Soit comme une Platform as a Service (PaaS), qui comprend un espace de stockage pour les données Client (Data Lake Client), une interface Web pour la gestion du Data Lake, un environnement de scripting Data Science utilisé directement par les data scientists du client et des API de restitution des résultats (scoring).
Le mode Software as a Service (SaaS) permet aux entités qui n’ont pas d’équipe Data Science expérimentée de travailler elles-mêmes sur leurs données dans la plateforme POST. Elles peuvent réaliser soit du Data Mining, soit du Machine Learning (logiciels d’aide à la création d’algorithmes d’Intelligence Artificielle où aucune connaissance d’un langage de programmation n’est nécessaire).
Enfin, en mode Data as a Service (DaaS), il est possible pour une entreprise de déléguer complètement l’ensemble de ses activités Data Science à des ingénieurs de InTech sur la plateforme POST, tout comme le développement d’une application Web peut être délégué à un prestataire de service.
Pour les entreprises, les cas d’utilisation d’une telle plateforme sont multiples. Il est possible de collecter et d’analyser des données historiques provenant de diverses sources pour obtenir un aperçu des patterns et tendances cachés. De même, de grands jeux de données préexistants peuvent être fouillés et analysés afin de générer de nouvelles informations. Enfin, l’apprentissage automatique basé sur des échantillons de données historiques, appelés «Données d’entraînement», permet de proposer des prédictions ou des décisions sur base de données actuelles. À partir de signaux faibles, des événements tels que la fraude ou la résiliation d’un contrat par le client peuvent être détectés puis traités de façon proactive.
De l’inspiration à l’implémentation
InTech travaille en étroite collaboration avec les équipes de POST et de ses filiales pour proposer une offre d’accompagnement complète composée de divers ateliers qui permettent d’approfondir la connaissance des données, d’identifier les problématiques et de tester la pertinence d’un projet reposant sur l’intelligence artificielle.
Ces étapes permettent de passer de l’idée initiale à l’implémentation. Dans un premier temps, il est nécessaire de présenter les bases de fonctionnement de l’intelligence artificielle pour démystifier la technologie et son usage. Ensuite, au travers de workshops de Design Thinking, les cas d’utilisation sont identifiés puis structurés en projets potentiels. Le prototypage permet d’auditer les données et de réaliser un Proof Of Concept pour limiter les risques et démontrer le potentiel de création de valeur. Enfin, un Minimum Viable Product est développé de façon agile et sur mesure.
La capacité à exploiter efficacement ses données et à les croiser avec des sources externes est un facteur-clé de succès dans la transformation numérique des entreprises. L’expérience de plusieurs années acquise sur l’exploitation de grands volumes de données nous permet aujourd’hui de proposer au marché luxembourgeois une offre complète en matière de Big Data et d’Intelligence artificielle.