Société française spécialiste du Big Data, JEMS crée des modèles de plateformes data avec un procédé de fabrication industriel unique. Dans la vision de JEMS seul le couplage d’une IA générative à une IA prédictive va pouvoir générer des services qualifiés pour l’entreprise en se basant sur ses données. Interview croisée avec Messieurs Nicolas Laroche, directeur général et Jacques Benhamou, président de JEMS.

Quels sont vos métiers et en quoi l’expertise JEMS est-elle différenciante ?

Le cœur de métier de JEMS consiste à créer, manager et exploiter le patrimoine de données de nos clients, en vue de les valoriser. L’objectif est que ces données deviennent un véritable actif de l’entreprise. L’enjeu est de taille puisque 30 à 40 % du PIB mondial est basé directement ou indirectement sur des produits liés à la data ou à sa consommation. Selon une étude de Gartner parue en 2022, 85 % des projets data n’ont pas atteint leur cible, ce qui signifie qu’ils n’ont pas fonctionné techniquement ou n’ont pas rendu le service attendu. Ce constat est surtout lié au fait que le monde de la data est perçu comme une commodité. Alors que c’est un « core business » pour lequel il faut une approche industrielle.

JEMS a ainsi repensé les codes métiers de notre marché, pour épouser ceux de l’industrie en vue d’optimiser l’accompagnement de nos clients. Nous avons mis en place une véritable usine à fabriquer des produits data. Notre méthode de modélisation nous permet de délivrer différents cas d’usages sans avoir à reconstruire entièrement chaque projet.

Nos clients sont de très grands comptes, mais également des ETI en France, Suisse et en Europe ainsi que sur le continent africain.

« La donnée est perçue comme une commodité alors que c’est un core business pour lequel il faut une approche industrielle »

 

Sur quel type de missions êtes-vous le plus sollicité par vos clients et comment les accompagnez-vous ?

Selon leur maturité, nos clients nous confient l’intégralité du périmètre de leur projet, soit dès le départ, soit après une certaine période qui est généralement de 4 à 6 ans. Ce temps de latence, constaté chez les entreprises à la vision consumériste de la donnée, est lié au fait qu’ils multiplient les initiatives sans pour autant mener à bien leur projet.

En essayant de créer de nouveaux cas d’usage basés sur les précédents, ces entreprises font une erreur. En effet, cette procédure qui lie les cas d’usage entre eux, rend leur modèle complexe à maintenir et inexploitable dès que le nombre de cas augmente.

JEMS gère cette dette technique, réajuste et récupère tout le périmètre. Nous fournissons également une solution clé en main complète aux primo accédants.

L’approche patrimoniale prônée par JEMS, va à l’opposé de l’approche consumériste. Secteur bancaire, énergie, assurances, e-commerce, luxe, transport, industrie aéronautique ou automobile… notre méthode universelle s’adapte aux données issues de tous les domaines d’activité. Seuls les cas d’usage et les produits sont adaptés à chaque secteur.

Quelle est votre vision sur l’IA, et sur l’IA Générative ?

L’IA est une fonction support qui facilite certaines actions. Ainsi, la plupart des applications d’IA, comme la maintenance prédictive, sont restreintes à un cas d’usage bien précis.

L’IA générative est totalement différente car elle crée du contenu. Pour créer ce contenu, il y a 3 solutions : utiliser un modèle entrainé, entrainer un nouveau modèle ou faire un mix des deux. Dans le premier cas, c’est le modèle type ChatGPT. Comme tout le monde y a accès il n’y a pas d’avantage concurrentiel pour les entreprises. Dans le second cas, on utilise un modèle d’IA générative pour l’entraîner sur un périmètre donné. Or cet entraînement se chiffre en dizaines de millions d’euros ; en comparaison, les modèles d’IA prédictive précédents, ne dépasse pas quelques milliers d’euros. Il y a donc un gap car les entreprises n’ont pas la capacité technique à structurer leurs données, ni le budget correspondant.

Notre vision est de coupler l’IA générative à l’IA prédictive en vue de qualifier le résultat obtenu et d’interagir avec des données propres à un périmètre métier. Notre modèle d’IA générative se situe entre un modèle entraîné sur des périmètres de données larges ou publiques, et un système propriétaire qui interagit avec les données de chaque client.

La valorisation de données issues de secteurs spécifiques apporte une exceptionnelle valeur ajoutée par rapport à celles proposées dans l’open source de l’open data (Bard, ChatGTP, Alphacode, etc.)

Quelle est la valeur ajoutée de l’IA générative pour les entreprises et quelles sont vos initiatives dans ce domaine ?

Le monde de la data est en pleine évolution mais nous sommes en première ligne sur des services innovants. Nous avons déjà une avance considérable par rapport à la concurrence sur l’hybridation, le croisement de la capacité générative d’une IA avec le périmètre des données spécialisées.
En tant « qu’early adopters », la plupart de nos initiatives ou projets clients en cours sont soumis à des clauses de confidentialité. De manière générale, la recherche d’informations et la création de contenus sont chronophage et l’IA générative apporte beaucoup en termes d’automatisation.

Attention, l’IA Générative n’est pas non plus la solution magique ! Ses limites actuelles sont liées au fait qu’elle n’est pas prédictible et basée sur une approche probabiliste. Ainsi, si vous posez deux fois la même question à une IA générative, elle vous produira deux réponses différentes, pas forcément contradictoires, mais différentes, ce qui pose un souci d’approbation. L’IA Générative ne peut donc pas être exploitée à des fins professionnelles qualifiantes et surtout dans des secteurs comme la médecine.

Pour l’entreprise, l’avenir passe par un combo IA prédictive/IA générative qui va permettre de qualifier l’indice de confiance de chaque réponse afin de pouvoir l’utiliser sans crainte. Avec notre écosystème de partenaires, nous apportons cette traçabilité et cette légitimité indispensable dans le monde professionnel et l’industrie de demain.

Une interview à retrouver également dans le magazine du MEDEF Paris :