Conseils IT

Conseils IT

Gestion des données

• Transformation digitale : les 5 causes d’échecs les plus fréquentes (et comment les éviter)

  Nombreuses sont les transformations numériques qui échouent. Voici les causes les plus fréquentes de ces échecs, qui – si on les évite – sont autant de pistes pour augmenter ses chances de réussite.  Lire la suite

• Transformation digitale : comment mesurer et améliorer un ROI

  Démontrer un retour sur investissement (ROI) convaincant est essentiel pour que le projet de transformation numérique obtienne adhésion et financement. Pourtant, de nombreuses entreprises négligent les moyens de mesurer le ROI et de l’améliorer au ...  Lire la suite

• Transformation digitale : ne sous-estimez pas l’importance de la culture d’entreprise

  Quelle que soit la pertinence de votre projet et de vos choix technologiques, vous ne pourrez réussir votre transformation si votre culture n’est pas adaptée à l’innovation, avertissent les experts. Ces quelques conseils devraient vous permettre de ...  Lire la suite

• Transformation digitale : 8 profils pour former une bonne équipe

  Réunir une équipe est une étape importante pour réussir une transformation numérique. Mais cette tâche est plus facile à dire qu’à faire. Il faut prendre en compte plusieurs facteurs pour chaque membre et bien définir leurs missions.  Lire la suite

• Jumeau numérique : à la recherche de fondations mathématiques

  Des scientifiques du MIT et de l’institut Oden cherchent à poser les fondations mathématiques de jumeaux numériques pour les déployer à l’échelle. Un défi de taille à la croisée de multiples disciplines.  Lire la suite

• Fivetran, l’intégration de données façon ELT

  Fivetran est une startup californienne basée à Oakland. Elle édite un ELT managé dans le cloud apprécié dans le domaine de l’analyse marketing. La licorne compte bien se faire connaître auprès des grands comptes et des entreprises européennes.  Lire la suite

• Transformation digitale : construire une feuille de route en 6 étapes

  Une transformation numérique bien menée est une des clés de la survie des entreprises. Et une feuille de route bien construite est clé pour cette transformation. Voici un modèle en six étapes qui devrait vous éviter bien des embûches.  Lire la suite

• Conseils pour réussir une transformation digitale d’entreprise

  La concrétisation des avantages opérationnels d’une transformation numérique dépend de très nombreux facteurs, qui vont de l’implication des dirigeants à une solide compréhension de la manière dont les outils et les technologies modernes peuvent ...  Lire la suite

• Les premiers jours des jumeaux numériques dans la supply chain

  Un jumeau numérique qui résout tous les problèmes de la chaîne d’approvisionnement n’est peut-être pas encore une réalité. Découvrez pourquoi et quels types de projets sont réalistes à date.  Lire la suite

• Biais dans l’IA : une cartographie nécessaire pour tenter de les corriger

  La multiplication des algorithmes pose la question des biais. Le responsable scientifique chargé de l’IA de confiance chez Quantmetry décrit la méthodologie du cabinet pour les identifier et tenter de les corriger.  Lire la suite

• Réseaux antagonistes génératifs : un entraînement subtil et complexe

  Mieux comprendre la dualité et la complexité des réseaux antagonistes génératifs, c’est un pas de plus dans la préparation de leur entraînement.  Lire la suite

• Cinq exemples pour appréhender les biais dans un projet NLP

  L’utilisation du traitement du langage naturel devient de plus en plus courante en entreprise. Cette multiplication des usages force à se pencher sur les biais et le possible manque d’explicabilité des modèles NLP.  Lire la suite

• IA : comment lutter contre les biais dans les données d’entraînement

  Bien que le biais des données puisse sembler être un problème de back-end, les données faussées peuvent faire dérailler un modèle et avoir de lourdes répercussions sur l’entreprise.  Lire la suite

• Data Sciences : quatre bonnes pratiques à appliquer dans vos projets

  Deux Data Scientists rappellent quelques points clés sur la manière dont les projets « data » devraient être menés pour aider les équipes à surmonter les défis qu’elles rencontrent le plus souvent et apporter plus de valeur à votre activité.  Lire la suite

• Transformation digitale : cinq leviers à activer en 2021

  Le low-code, MLOps, le multicloud et le streaming de données sont des leviers prioritaires à activer pour favoriser l’agilité de votre entreprise et accélérer sa transformation.  Lire la suite

• Oracle DB : conseils pour passer sereinement à un support tiers

  Les avantages d’un support tiers sont nombreux, surtout pour les versions anciennes (jusqu’à la 8i). À condition de mener correctement le transfert du support. Le spécialiste Rimini Street donne quelques pistes.  Lire la suite

• Rise with SAP : le programme de SAP pour s’envoler vers le cloud

  SAP lance une offre « tout en un », à guichet unique, sur abonnement, pour accompagner ses clients en trois étapes vers le cloud, S/4 et la « Intelligent Enterprise ». Les analystes accueillent positivement cette « conciergerie » de la ...  Lire la suite

• Comment l’IA révolutionne vos traductions (et le métier de traducteur)

  L’Intelligence Artificielle ne va pas mettre les traducteurs au chômage. Mais elle rebat les cartes en fonction des cas d’usages et recentre la traduction humaine sur la traduction hybride et la « transcréation ».  Lire la suite

• Data storytelling : l’essentiel sur Toucan Toco

  Le spécialiste français de la « narration de données », originaire de Paris, veut doubler son chiffre d’affaires et atteindre les 200 clients dans le monde cette année. Il est désormais présent aux États-Unis.  Lire la suite

• Traitements IA : pourquoi il ne faut pas sous-estimer les CPU

  Les GPU sont souvent présentés comme le véhicule de choix pour exécuter les workloads IA, mais la pression est forte pour étendre le nombre et les types d’algorithmes qui peuvent fonctionner efficacement sur les CPU.  Lire la suite

• Les trois plus grands défis de la transformation digitale (et comment les résoudre)

  Isaac Sacolick, auteur d’un best-seller sur le sujet, décrit ici les principaux défis auxquels les organisations vont être confrontées dans leur transformation numérique et la manière de les résoudre.  Lire la suite

• Stratégie IA : les cinq bonnes habitudes pour la mener à bien (Gartner)

  En ce début d’année – malgré un contexte particulier – il est toujours bienvenu de prendre de bonnes résolutions. Lors de son Symposium, Gartner a recommandé aux entreprises cinq habitudes afin d’assurer le succès de leur stratégie IA.  Lire la suite

• Intelligence Artificielle et finance : les freins les plus courants (et comment les surmonter)

  La gestion financière et la comptabilité ont beaucoup a gagné de l’Intelligence Artificielle. Mais les freins sont nombreux. En voici sept, très courants, et la manière de les lever pour vous assurer du succès de vos projets d’automatisation et de ...  Lire la suite

• Les 15 techniques les plus populaires de la data science

  Les data scientists exploitent une variété de techniques statistiques et analytiques pour tirer de la valeur des jeux de données. Voici 15 méthodes de classification, de régression et de clustering.  Lire la suite

• Quelles différences entre une CDP et une DMP dans une stratégie marketing ?

  Les Customer Data Platforms et les Data Management Platforms sont deux outils de gestion de données marketing très complémentaires du CRM. Voici les points clés pour bien les distinguer et bien les utiliser dans une stratégie de vision à 360° du ...  Lire la suite

• Appréhender l’architecture de gestion de données avec les microservices

  Les microservices ont des besoins de gestion de données qui ne sont pas comparables à ceux des autres architectures logicielles. Pour réussir, vous aurez besoin d’un ensemble approprié de connaissances, de mécanismes et de principes de conception.  Lire la suite

• Comprendre l’informatique quantique en mode cloud

  L'informatique quantique attise l’intérêt des développeurs et des acteurs du cloud. AWS, IBM, Google ou Microsoft : tous s’y sont lancés. Et si, d’après les analystes, il y a peu de chances qu’un ordinateur quantique soit opérationnel avant ...  Lire la suite

• 9 problèmes de qualité des données qui menacent vos projets IA

  La qualité de vos données a une incidence sur le bon fonctionnement de vos modèles d’IA et de machine learning. En identifiant et en anticipant ces neuf problèmes de données, les organisations seront en mesure de préparer des algorithmes efficaces.  Lire la suite

• IA, machine learning, deep learning : quelles différences ?

  Dans le domaine de l’Intelligence Artificielle, ces trois termes sont souvent utilisés de manière interchangeable, alors qu’ils recouvrent des notions distinctes.  Lire la suite

• L’IA neuro-symbolique, évolution de l’intelligence artificielle ?

  L’unification de deux approches antagonistes est considérée comme une étape majeure dans l’évolution de l’IA. Le présent article traite des travaux des plus grands spécialistes du domaine qui visent à associer raisonnement symbolique et deep ...  Lire la suite

• BI : huit conseils pour créer de bons tableaux de bord

  Les tableaux de bord (dashboards) sont un outil essentiel de l’informatique décisionnelle (BI) pour diffuser les données dans votre entreprise. Encore faut-il qu’ils soient lisibles, efficaces… et utilisés. Voici les bonnes pratiques à suivre pour ...  Lire la suite

• Les dix usages les plus courants du Machine Learning en entreprise

  Les applications de Machine Learning dégagent de la valeur dans toutes les fonctions métier. Voici dix exemples d’applications en entreprise.  Lire la suite

• Sans respect du RGPD, pas d’IA pour le Service Desk

  Les données recueillies par un Service Desk ont souvent un caractère personnel (dans le sens du RGPD). Il faut donc prendre quelques mesures pour s’assurer d’être en conformité lorsqu’on veut augmenter son ITSM avec de l’Intelligence Artificielle, ...  Lire la suite

• L’essentiel sur ThoughtSpot, l’étoile montante de la BI en libre-service

  ThoughtSpot est un outil de Business Intelligence qui veut démocratiser l’analytique jusqu’aux métiers. Il leur pousse automatiquement des tableaux de bord, et facilite les requêtes via un moteur de recherche en langage naturel. Sa BI s’inspire ...  Lire la suite

• L’intelligence artificielle générale sera-t-elle bientôt une réalité ?

  L’intelligence artificielle générale sera-t-elle bientôt une réalité ? Et si l’IAG devient vraiment une réalité un jour, est-ce qu’elle fonctionnera comme le cerveau humain ? Ou existerait-il une meilleure voie à suivre pour créer des machines ...  Lire la suite

• Apprentissage supervisé et non supervisé : les différencier et les combiner

  Découvrez comment LinkedIn, Zillow et d’autres choisissent entre l’apprentissage supervisé, l’apprentissage non supervisé et l’apprentissage semi-supervisé pour leurs projets de machine learning.  Lire la suite

• Comment construire un modèle de Machine Learning en 7 étapes

  Il faut de la patience, de la préparation et de la persévérance pour construire un modèle de machine learning viable, fiable et agile qui rationalise les opérations et renforce les métiers.  Lire la suite

• Processus : repérez vos bons candidats pour le RPA

  Le RPA est un très bon outil d’automatisation. Mais il n’est pas adapté à tous les processus. Voici dix critères pour sélectionner ceux de votre entreprise qui sont le plus adaptés à cette technologie et qui en tireront le plus de valeur.  Lire la suite

• IA Frugale : comment entraîner des modèles avec peu de données ?

  Entraîner des modèles de machine learning avec peu de données, est-ce possible ? Oui, mais les spécialistes considèrent que les techniques d’enrichissement sont suffisamment performantes pour généraliser les apprentissages de leurs modèles.  Lire la suite

• L’IA, triple meilleure alliée du support de la « Modern Workplace »

  Les postes de travail modernes, configurés et gérés à distance, simplifient la vie des utilisateurs. Mais cette simplicité crée une masse de données et une nouvelle complexité pour l’IT et le service support. L’IA peut les aider de trois façons, ...  Lire la suite

• NLP : ciblez les utilisateurs, pas les records sur les benchmarks

  Alors que les frameworks d’évaluations standardisées du NLP gagnent en popularité, les experts invitent les data scientists à se concentrer sur des métriques personnalisées pour assurer le succès de leurs applications NLP.  Lire la suite

• Quand choisir un moteur de règles ou le machine learning

  Le choix entre un moteur de règles et un algorithme de machine learning dépend de la complexité de la tâche décisionnelle à accomplir et du niveau d'expertise des équipes en interne.  Lire la suite

• Bien choisir entre Amazon RDS pour Aurora et Aurora Serverless

  Le choix paraît simple : d’un côté une mise en route et des configurations manuelles de la base relationnelle d’AWS, et de l’autre une scalabilité totale et automatique. Mais certains facteurs jouent encore et toujours en faveur du traditionnel ...  Lire la suite

• Feature engineering : cinq conseils essentiels pour améliorer vos modèles IA

  De la compréhension de l'objectif escompté d'un modèle algorithmique à la prise en compte des spécificités du domaine d'application, des experts partagent les méthodes pour faciliter la phase de feature engineering.  Lire la suite

• NLP : les techniques et les algorithmes préférés des data scientists

  Quels sont les algorithmes et les techniques d’entraînement les plus populaires dans le traitement du langage naturel ? Cet article revient sur les outils d’entraînement les plus appréciés des data scientists spécialistes du NLP.  Lire la suite

• Qu’est-ce que Dawex ? (Et quel est l’intérêt du Data Exchange ?)

  Vendre ses données. En acheter à un tiers. Ou simplement les partager. Simple sur le papier, beaucoup moins dans la réalité. Dawex est un acteur français, précurseur et prometteur, dans ce domaine naissant du Data Exchange à grande échelle.  Lire la suite

• Deep learning : réseaux neuronaux RNN et CNN quelles différences ?

  Les réseaux de neurones convolutifs et récurrents sont à la base de nombreuses applications d’intelligence artificielle. Découvrez les différences entre ces deux types de réseau de neurones artificiels.  Lire la suite

• Les cinq cas d’usage les plus communs de l’IA dans l’IT Ops

  Le machine learning est un sujet d’actualité pour les divisions IT et les entreprises. Apprenez comment les équipes en charge des opérations IT appliquent le plus souvent la technologie, de la réponse du service d’assistance à l’évaluation de la ...  Lire la suite

• Pistes pour comparer les outils d’analytiques avancées

  Le choix d’un fournisseur de BI augmentée et d’analytique avancée peut être difficile tant les offres semblent similaires au premier abord. Voici quelques conseils du Gartner et de Forrester pour mieux sélectionner ses outils.  Lire la suite

• Choisir sa base de données IoT en cinq étapes

  Pour sélectionner la ou les bonnes bases de données IoT, les responsables SI doivent d’abord évaluer les types de données et les flux, et définir leurs exigences fonctionnelles, de performance et d’autres critères que nous présentons dans cet ...  Lire la suite

• Bien choisir son Data Warehouse nouvelle génération

  L'entrepôt de données n'est pas une nouveauté. Pourtant, il évolue rapidement, avec le cloud et au fur et à mesure que les besoins analytiques se complexifient. Alors comment choisir le bon data warehouse ? Chris Foot vous propose sa méthodologie.  Lire la suite

• Machine learning : six conseils pour faire la chasse aux biais

  À mesure que l’adoption du machine learning se développe, les entreprises doivent devenir des experts en préparation de données, faute de quoi elles risquent d’obtenir des résultats inexacts, injustes ou même dangereux. Voici comment lutter contre ...  Lire la suite

• Machine Learning : les 9 types d’algorithmes les plus pertinents en entreprise

  Le machine learning devient la priorité de bon nombre d’entreprises. Elles veulent modéliser d’importants volumes de données. Le choix du bon algorithme dépend des objectifs à atteindre et de la maturité de votre équipe de Data Science.  Lire la suite

• Grafana vs Kibana : le match des outils de visualisation IT

  Découvrez comment Grafana et Kibana peuvent aider les administrateurs et SRE à visualiser les données critiques de leurs systèmes grâce à cet exemple de surveillance de la base de données PostgreSQL.  Lire la suite

• Comment développer un chatbot bien adapté à votre service client ?

  Compréhension du contexte, intelligence émotionnelle, personnalité du bot, exploration de la voix, analyse des différents moteurs sont autant de critères qui conditionnent le succès d’un projet de chatbot, selon une expertise de Devoteam.  Lire la suite

• Les bons et les mauvais cas d’usage d’Apache Kafka

  Apache Kafka a de nombreuses applications dans le domaine du Big Data, mais quels sont les cas d’usage qui conviennent le mieux à l’outil ? Des experts décrivent dans quelles situations Kafka excelle pour le traitement de données en entreprise.  Lire la suite

• Intelligence artificielle : un service desk à la fois plus « user et agent friendly »

  L’IA multiplie les canaux, les créneaux horaires et les langues pour accéder à un Help Desk. Pour les agents, elle gère les cas basiques et fait en sorte de les « augmenter ». Les deux aboutissent à un service plus apaisé et humain. Loin d’une ...  Lire la suite

• La difficile évaluation des plateformes IIoT

  Cette analyse comparée des Magic Quadrant et Forrester Wave consacrée aux plateformes IIoT, tente d’éclairer les critères de choix de Gartner et Forrester.  Lire la suite

• Data scientist et data engineer : deux experts à ne pas confondre

  Les data scientists et les ingénieurs data travaillent souvent ensemble, et parfois ces deux postes sont confondus. Découvrez ce qui différencie ces deux rôles.  Lire la suite

• Analytique en temps réel : les tendances et les cas d’usage à retenir

  Alors que de plus en plus d’entreprises adoptent l’analytique en temps réel, de nouvelles infrastructures et pratiques voient le jour. Voici les pratiques les plus marquantes associées aux plateformes d’analyse de données en continu.  Lire la suite

• Applications Web : comment anticiper les crashs en période de crise

  Un site ou une application Web est sensible à la montée en charge et autres pics de trafic, qu’ils soient prévus ou totalement fortuits. Cet article délivre quelques conseils pour anticiper ces phénomènes et organiser les réparations quand il est ...  Lire la suite

• Data scraping, screen scraping, web scraping : quels liens avec le RPA ?

  Le data scraping, le screen scraping et le web scraping sont trois techniques d’extraction de données utilisées par les éditeurs de solutions BPM et RPA. À quelles fins ? Voici quelques réponses dans cet article.  Lire la suite

• L’essentiel sur Oracle Data Science

  Oracle a ajouté une gamme de nouveaux services à sa plate-forme cloud pour fournir aux Data Scientists et aux Data Analysts plus de fonctionnalités de gestion et d'analytiques avancées.  Lire la suite

• Le « Dynamic Data Storytelling » au cœur de la nouvelle génération de BI (Gartner)

  Analytique « augmentée », « avancée », et « automatisée » sont les nouvelles tendances clefs de la Business Intelligence. Mais l’analytique « dynamique » – dont on dit qu’elle remplacera les traditionnels tableaux de bord – sera certainement la ...  Lire la suite

• Data Science : quatre conseils de Gartner pour réussir son projet IA

  Les entreprises aimeraient se reposer sur la Data Science, mais elles sont confrontées à des difficultés telles que les projets ne dépassent pas souvent la phase du PoC. Gartner recommande de suivre quatre bonnes pratiques pour passer ces projets en...  Lire la suite

• IoT : les services cloud dédiés d'AWS, Microsoft et Google

  Utilisez ce récapitulatif des offres IoT de Microsoft, AWS et Google pour vous aider à décider ce qui convient le mieux à vos besoins en matière de collecte, de traitement et d'analyse des données des appareils dans le cloud.  Lire la suite

• Trois étapes importantes pour bien débuter avec l’IA

  L’Intelligence Artificielle n’est pas si simple à mettre en place dans une organisation. Elle demande de penser différemment, de bien comprendre ce qu’elle peut faire, et de ne pas négliger les données. Voici trois conseils pour partir sur de bonnes...  Lire la suite

• Comment fonctionne l’observabilité automatisée chez Dynatrace ?

  Dynatrace propose une plateforme d'observabilité automatisée qui repose principalement sur le moteur d'intelligence artificielle Davis AI. Dans cet article nous expliquons les tenants et aboutissants des trois briques essentielles de cette ...  Lire la suite

• Comment bien préparer la migration d’une base de données vers le cloud

  De nombreuses entreprises décident de migrer leurs bases de données vers le cloud. Est-ce la bonne décision ? Le type d’application, l’enfermement auprès d’un éditeur et les fonctionnalités spécifiques au cloud sont autant de critères à prendre en ...  Lire la suite

• Devriez-vous héberger votre data lake dans le cloud ?

  Sur site ou dans le cloud : où est le meilleur endroit pour déployer son lac de données ? Voici quelques éléments à considérer avant de se décider selon Andy Hayler.  Lire la suite

• IoT : les compétences essentielles pour mener à bien vos projets

  Les cadres doivent comprendre les compétences nécessaires pour faire démarrer un projet IoT et savoir où trouver l'expertise nécessaire pour les mener à bien.  Lire la suite

• Cinq pistes pour pallier la pénurie de Data Scientists

  Mais où sont donc les Data Scientists ? En attendant de les trouver - s'ils existent - voici quelques moyens de gérer vos données et vos stratégies analytiques en exploitant au mieux vos ressources actuelles.  Lire la suite

• Qualité de la donnée : adopter une démarche proactive pour l’améliorer

  Au lieu d'attendre que la qualité des données devienne un problème, envisagez une approche proactive. Voici quelques pratiques à prendre en compte afin de l'améliorer.  Lire la suite

• Qu’est-ce que le DataOps (Data Operations) ?

  Selon Gartner, le DataOps doit réconcilier les opérateurs avec les consommateurs des données pour favoriser l’exploitation de l’analytique dans toute l’entreprise. Quelles sont les différences avec le DevOps ?  Lire la suite

• Data Science : comment améliorer votre storytelling ?

  Comment créer des histoires percutantes et convaincantes à partir de données numériques froides et muettes ? Des experts partagent leurs conseils sur la façon d’améliorer vos compétences en matière de narration et mieux communiquer les résultats de ...  Lire la suite

• Bien choisir son type de base de données

  Les différents types de systèmes de gestion de base de données existant sur le marché ont chacun leurs forces et leurs faiblesses. Encore faut-il bien les connaître pour bien choisir.  Lire la suite

• Tutoriel : utiliser Graphite pour visualiser et analyser des données

  La data visualization est particulièrement intéressante pour les administrateurs IT et responsables. Dans ce tutoriel, nous vous apprendrons à créer des graphiques et des tableaux de bord dans Graphite, un outil de monitoring open source.  Lire la suite

• Self-service Analytics : comment améliorer la gouvernance des données

  Les citizen data scientists et le self-service analytics sont deux tendances en croissance du fait du manque d'experts. Voici quelques-unes des meilleures pratiques de gestion des données à appliquer pour bien les intégrer en entreprise.  Lire la suite

• Cloud : pourquoi adopter une politique de conservation des données

  Malgré le fait que le stockage dans le cloud soit très abordable, cela ne veut pas dire qu’il faut garder ses données ad vitam eternam. Voici quatre facteurs à prendre en compte avant de mettre ses données en cave et d’en jeter la clé.  Lire la suite

• Comment analytique, IA et RPA peuvent transformer le quotidien de la finance

  Dans un monde économique de plus en plus mouvant, la direction financière cherche à se moderniser pour mieux aiguiller les opérationnels et mieux soutenir le Top Management dans ses prises de décision. Voici des pistes concrètes pour mener cette ...  Lire la suite

• Quelles différences entre Data Blending, Data Fusion, Data Merging et Data Join ?

  Quelles sont les différences entre Data Blending, Data Fusion, Data Merging et Data Join ? Cet article vise à distinguer les concepts sous-tendus par ces termes.  Lire la suite

• Data Sciences : recette pour faire un bon Data Storytelling

  La « narration » devient une compétence analytique essentielle. Sans elle, les conclusions des Data Scientists ont tendance à n’être reprises que par eux-mêmes. Voici les ingrédients pour concocter un bon Storytelling de données.  Lire la suite

• Les bénéfices du RPA pour la direction financière

  Le RPA est une technologie qui possède un fort potentiel de transformation pour les services financiers. Il peut automatiser les tâches fastidieuses et manuelles qui l’empêchaient encore d’évoluer en profondeur.  Lire la suite

• Automatisation des processus métier : comment choisir un outil BPA ?

  Voici ce que vous devez savoir sur les outils BPA, comment ils fonctionnent, comment ils aident l’entreprise et comment évaluer les éditeurs.  Lire la suite

• Gestion financière : l’analytique transforme les données en or

  Les solutions financières modernes ne se limitent plus à analyser des chiffres de manière statique. Elles peuvent transmuter ces données en ventes, en optimisation de processus opérationnels, en stratégie produits. Et augmenter les marges.  Lire la suite

• Les 5 fondamentaux du traitement d'événements complexes

  Comment les équipes de développeurs devraient gérer le traitement d’événements complexes ? Comment peuvent-ils les intégrer aisément ? Cet article met avant 5 fondamentaux dans ce domaine.  Lire la suite

• API publiques : comment les adopter stratégiquement en entreprise

  Alors que les entreprises cherchent une manière d’optimiser les coûts associés à la gestion de la donnée, l’évolution du paysage des API rend la technologie d’intégration plus pertinente pour les sociétés et les éditeurs IT.  Lire la suite

• Bien comprendre les services Data Lake et Data Warehouse d'AWS

  Apprenez à distinguer les services data lake et data warehouse d’AWS et assimilez leur fonctionnement.  Lire la suite

• Intelligence Artificielle : cinq conseils pour bien choisir ses premiers cas d’usage

  Sept experts partagent leurs expériences pour bien choisir ses projets d’exploration des algorithmes et bien démarrer dans l’IA.  Lire la suite

• Comment certifier un document avec la blockchain publique

  Lors de Blockchain Paris, Claire Balva, du cabinet de conseil Blockchain Partner, a vanté les mérites des blockchains publiques dont une des applications montantes est la certification sans tiers de confiance.  Lire la suite

• Gérer les données non structurées, l’étape cruciale d’une stratégie IA

  Les données non structurées représentent une grosse portion des informations stockées par la plupart des entreprises. Avec l’émergence de systèmes d’intelligence artificielle, il n’a jamais été aussi crucial d’ordonner les data lakes et les data ...  Lire la suite

• Cloudera vs AWS EMR : quelle distribution Hadoop choisir pour vos projets Big Data

  Les entreprises qui ont besoin d’une plateforme Big Data doivent généralement sonder eux-mêmes le marché pour choisir un fournisseur. La complémentarité des services AWS est indéniable, mais la solution de Cloudera est-elle un meilleur choix ?  Lire la suite

• Catalogue de données : quelle différence entre Tableau Catalog, Collibra et Alation ?

  Avec son catalogue, Tableau pouvait empiéter sur les terres de ses partenaires historiques. D’après son CTO, l’objectif n’est pas d’en devenir concurrent, mais de fournir au plus grand nombre un outil clef en main, qui peut être complémentaire des ...  Lire la suite

• Les principales distributions Hadoop sur le marché

  Voici les principales distributions Hadoop sur le marché et un ensemble d'éléments pour choisir celle qui convient le mieux aux pratiques analytiques en entreprise.  Lire la suite

• Gartner Symposium 2019 : comprendre l’agenda blockchain

  5 principes et 4 phases. Gartner livre une analyse globale du phénomène blockchain afin de voir comment ce paradigme, aujourd’hui embryonnaire, pourrait devenir incontournable aux échanges numériques du futur. Pour finir par créer un « Internet de ...  Lire la suite

• BI : les 3 piliers de l'analytique de 3ème génération

  Intelligence Artificielle, ouverture et approche agnostique de la donnée sont les éléments clef des outils BI de nouvelle génération qui, selon Qlik, ont pour but de démocratiser le plus possible l'usage de la donnée jusqu'aux opérationnels.  Lire la suite

• 5 étapes pour améliorer la qualité des données

  Le consultant David Loshin offre des conseils sur l’élaboration d’une stratégie de qualité des données qui peut aider à identifier les erreurs avant qu’elles ne causent de gros problèmes aux entreprises.  Lire la suite

• Intégration de données : les limites des ETL à l’ère du Big Data

  L’intégration de données fournit une vue convergente des performances de l’entreprise à travers de multiples sources, mais cette technique doit suivre l’évolution des besoins des organisations et la révolution du Big Data.  Lire la suite

• C3.ai veut accélérer le déploiement d'applications dopées à l'IA

  La société créée par Tom Siebel a installé son bureau européen à Paris. Son environnement de développement low-code/no-code séduit les industriels, qui peuvent développer rapidement des applications d'IA pour la maintenance prédictive ou ...  Lire la suite

• Excel : comment extraire les 3 plus grandes valeurs d'un tableau avec une simple formule

  S'il est simple de trouver la plus grande (ou plus petite) valeur, il est plus difficile de trouver les deux ou trois plus importantes (ou plus faibles). C'est là que les fonctions LARGE et SMALL vous aideront.  Lire la suite