Pour ne rien manquer de la transformation digitale

Abonnez-vous au Digest
Recherche
Sécuriser ses documents, structurer et valoriser ses actifs informationnels, optimiser les postes clients et fournisseurs… Il est parfois complexe de se retrouver dans la multitude de solutions dédiées aux DAF. Et pourtant, certaines d’entre elles permettent véritablement de tirer le meilleur parti du numérique. Microsoft Ideas est allé à la rencontre de plusieurs d’entre elles. Gros plan sur Expert System (ex Temis) avec Philippe Manent, directeur des ventes.

card_expert_system-v2

Expert System, qu’est-ce que c’est ?

Philippe Manent : C’est une solution de text mining, c’est-à-dire d’analyse sémantique de document textuel sur Internet. Nous sommes un add-on, qui s’ajoute à un produit existant, comme SharePoint par exemple.

Notre robot, Luxid, lit chaque phrase de bout en bout en ayant la compréhension de la phrase. Pour cela, la première lecture permet de distinguer les entités nommées et les propriétés ou attributs comme le sexe, l’âge ou encore la couleur des cheveux d’une personne, pour en extraire des métadonnées. La deuxième lecture porte l’analyse sémantique, qui détermine le sens.

D’où vous est venue cette idée ?

L’idée de départ est venue d’anciens de chez IBM qui travaillaient dans l’analyse sémantique, et qui ont créé cette société avec deux ou trois bouts de code à six ou huit mains – aujourd’hui, il ne reste plus que deux des fondateurs. Ils se sont aperçus que le besoin d’analyse de texte était croissant, et qu’il fallait aider l’humain grâce à un logiciel : quand on a 100.000 documents qu’il faut catégoriser –ce qui est le cas pour de nombreuses entreprises, pensez à toutes les factures ou devis à traiter sur une année-, l’extraction et l’analyse sémantique est une aide non négligeable !

Cela est particulièrement utile aux directions comptables et financières, car aujourd’hui le problème n’est pas d’avoir accès aux données, c’est bien de les extraire et de les utiliser. Avoir une solution qui extrait la substantifique moelle d’un document, comme un rapport d’activité, c’est un gain de temps énorme pour un DAF. Les DAF, tout comme les départements juridiques avec lesquels ils travaillent souvent main dans la main, doivent brasser énormément de documents juridiques remplis de données, et le text mining peut les aider dans la prise de décision.

"Les DAF doivent brasser énormément de documents juridiques remplis de données, et le text mining peut les aider dans la prise de décision."


Frédéric Bisson / Flickr / Licence CC BY 2.0

Pourquoi vous êtes-vous dit que ça allait marcher ?

Nous ne nous le sommes pas dit tout de suite car, comme tous les acteurs du text mining, les débuts ont été difficiles parce que ce n’était pas considéré comme un must have. Le besoin est devenu de plus en plus clair avec la digitalisation grandissante des entreprises et, bien sûr, avec le big data : l’erreur est humaine, si on fait tout à la main il y a un risque de passer à côté d’informations… Le text mining est d’ailleurs l’un des outils qui permet de mieux appréhender le big data, car il y a une vraie nécessité, aujourd’hui, de catégoriser, mais aussi de faire du prédictif.

Quelle est la plus grande difficulté à laquelle vous ayez été confrontés ?

Certainement l’appropriation de la technologie par l’utilisateur final, car l’humain n’est pas habitué à avoir un assistant sémantique… L’autre difficulté est qu’il n’est pas facile de vendre cette solution au plus grand nombre, cette difficulté étant liée à la nature de la technologie, qui n’est pas une technologie de grande consommation.

Votre plus grande réussite ?

C’est probablement le fait d’avoir été élu et utilisé par les noms réputés parmi les plus difficiles du secteur : Life Science et le gouvernement, avec qui nous travaillons sur des fichiers de police par exemple, dont notre solution recoupe les informations bien plus vite que ne le ferait un humain. Notre réussite tient aussi au fait de pouvoir faire de l’analyse de sentiment sur du verbatim, dans les réclamations envoyées sur la page d’une banque, par exemple. Sur une phrase-type telle que « Je suis furieux que ma carte bleue ait été bloquée », notre robot est capable d’analyser le fait que la personne n’est pas contente, et ce à cause de sa carte bleue.

Quelles sont les principales craintes de vos clients ? Comment instaurez-vous la confiance nécessaire ?

La principale crainte de nos clients est liée à la méconnaissance des solutions de text mining et de toutes les potentialités qu’elles permettent de déployer en termes d’analyse. Pour y répondre, nous faisons du « proof of concept », c’est-à-dire que nous testons la solution en direct devant le client, pour lui prouver tout ce que nous sommes capables de faire.

Quelles sont vos prochaines étapes ?

2016 va être une année charnière pour nous, car c’est au cours de cette année que la fusion avec Expert System va s’incarner. Il va falloir que les équipes apprennent à se connaître, qu’elles mergent les outils et que nous partions à la conquête de nouveaux marchés. Il va également être question d’évangélisation, car nombreux les clients potentiels qui ne connaissent pas encore nos solutions sont nombreux ! Cette année 2016 va présenter des opportunités de croissance très fortes, il ne va pas falloir passer à côté…

DAF : découvrez d’autres solutions pour tirer le meilleur parti du numérique :

card_aston-v2
card_equity
card_lusis
DAF-card-MEGA