Conseils IT

Conseils IT

Gestion des données

• 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

• Vision à 360 degrés du client : quelle différence entre un CRM, une CDP et une DMP ?

  Les termes et les acronymes des outils pour les commerciaux et le marketing peuvent prêter à confusion. Voici les points clés à retenir pour ne plus confondre ces trois plateformes très différentes mais aussi très complémentaires.  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

• Huit domaines où la blockchain peut effectivement aider les gouvernements (Gartner)

  Les registres distribués ne se limitent pas à la finance ou aux smarts contracts. Dans cet article, Gartner explique comment la blockchain peut pallier à certains dysfonctionnements de l'État.  Lire la suite

• Explicabilité des IA : quelles solutions mettre en œuvre ?

  S’il est communément accepté que les algorithmes de type Machine Learning/Deep Learning fonctionnent comme des boîtes noires, la recherche avance quant à l’explicabilité des résultats délivrés par les IA. Des techniques et frameworks sont en train ...  Lire la suite

• Les différents visages de l'analytique augmentée

  Voici les cinq principaux cas d'utilisations actuels de l'analytique augmentée dont votre entreprise pourrait tirer parti. Ils vont de la préparation des données, aux requêtes en langage naturel en passant par l'automatisation et la réutilisation ...  Lire la suite

• Data Architect, Data Engineer, Data Scientist, Data Modeler : comment les combiner ?

  Ces quatre métiers – complémentaires, mais différents – sont clefs pour une équipe Data performante. L’expert Michael Bowers explique comment constituer une telle équipe et donne ses conseils aux professionnels de la donnée pour augmenter leurs ...  Lire la suite

• Comment l’IA peut imposer le leadership IT sur les organisations

  Aborder les questions relatives à l’IA et définir des stratégies qui attireront les meilleurs talents figurent parmi les principaux défis discutés à l’occasion du rendez-vous annuel du CW500 Club, le club d’utlisateurs IT britanniques animé par nos ...  Lire la suite

• NoSQL dans le cloud : bien comparer les offres du marché

  AWS vs Google Cloud vs Microsoft Azure vs les offres d’éditeurs… cet article vous permet de vous y retrouver dans la jungle des services NoSQL dans le cloud.  Lire la suite

• Plongée dans SAP HANA

  Véritable « plateforme » qui va du Data Warehouse au serveur applicatif, en passant par le NoSQL et l'intégration de données, la base in-memory de SAP a beaucoup de visages. Certains sont plus que séduisants, d'autres un peu moins.  Lire la suite

• Blockchain : comment éviter les 7 erreurs majeures qui font échouer les projets (Gartner)

  Selon le Gartner, la majorité des projets de blockchain échouent. Voici sept précieux conseils du cabinet d'analystes pour, au contraire, les réussir.  Lire la suite

• Bases de données cloud : ce qui les différencie des bases sur site

  Gestion de l’infrastructure, dimensionnement automatique, séparation du compute et du stockage, résilience et disponibilité, paiement à l’usage, serverless ou PaaS, les bases de données dans le cloud constituent le moteur premier des ...  Lire la suite

• Tout sur HyperIntelligence, « la BI à la Iron Man »

  MicroStrategy a repensé son offre BI avec sa version 2019 et des « HyperCards » qui diffusent l'analytique à un public métier le plus large possible. Une nouveauté que le « Monsieur Produit » de l'éditeur compare à une des fonctionnalités ...  Lire la suite

• AI et Edge Computing : un tandem gagnant pour un IoT efficace

  En plaçant à l’Edge des modèles d’AI entrainés, les entreprises ont désormais la possibilité de faire parler leurs données de l’IoT et d’éviter toute forme de latence.  Lire la suite

• L'essentiel sur MicroStrategy 2019

  La nouvelle version de la plateforme BI est un tournant majeur pour MicroStrategy. Le « Monsieur Produits » de l'éditeur explique en quoi elle est plus ouverte et plus cloud. Et en quoi elle colle à la stratégie agnostique et orientée utilisateur de...  Lire la suite

• Où en est SAP HANA ?

  Hasso Plattner, cofondateur de SAP, explique les évolutions de HANA, la manière dont elles répondent aux nouvelles exigences des entreprises et le pourquoi de la restructuration en cours de cette division base de données.  Lire la suite

• Les étapes pour construire un catalogue de données

  Un catalogue de données est le garant des métadonnées et des données de l’entreprise. Mais sa conception demande un peu de méthode. Cet article vous accompagne dans sa mise en œuvre.  Lire la suite

• Le catalogue de données : à la recherche de l’ordre perdu

  En proposant de cartographier et de classer les données d’un SI, les catalogues de données redonnent la parole au patrimoine informationnel de l’entreprise et favorisent l’usage des données auprès des métiers.  Lire la suite

• Les 5 conseils d'Andrew Ng pour déployer une Intelligence Artificielle en entreprise

  Le pionnier - et superstar - de l'IA a partagé les enseignements de ses expériences de responsables chez Google et Baidu. Il livre un mode d'emploi dont toute entreprise pourra s'inspirer avec bénéfice.  Lire la suite

• 5 technologies de bases de données cloud ou hybrides à évaluer

  Les données sont au cœur des processus des entreprises et des stratégies de transformation numérique. Pas question de choisir la mauvaise technologie de base de données pour soutenir ses applications.  Lire la suite

• Conseils en matière de stockage pour l'intelligence artificielle et le Machine Learning

  Les supports de données destinés aux secteurs de l'intelligence artificielle et du Machine Learning nécessitent une planification particulière. Cet article vous rappelle les points à prendre en compte et ce que vous devez prévoir.  Lire la suite

• Intelligence Artificielle : changement de paradigme dans le domaine du stockage

  Dans le stockage également, l'Intelligence Artificielle a le vent en poupe et peut apporter de nombreux avantages : optimisation des latences, modifications de politique aisées et augmentation des performances.  Lire la suite

• Blockchain et ERP : les défis à relever (et comment les relever)

  Plutôt que des défis techniques, la construction d'un réseau d'entreprises et l'élaboration d'une gouvernance sont les obstacles les plus difficiles à surmonter pour tirer parti de l'alliance entre blockchain et ERP.  Lire la suite

• DocumentDB vs DynamoDB: quelles sont différences entre ces 2 bases de données NoSQL d’AWS

  L’architecture, l’infrastructure et la gestion des coûts sont des facteurs clés pour qui veut comparer ces deux services de bases de données NoSQL d’AWS. Cet article cartographie les principales différences pour vous aider à choisir.  Lire la suite

• ERP et blockchain : un vrai bon duo pour les transactions complexes et multipartites

  La technologie de registre distribué et immuable de la blockchain est envisagée de manière de plus en plus mûre pour optimiser les transactions multipartites, particulièrement dans des réseaux de logistique complexes.  Lire la suite

• Google Cloud Spanner : ce qu’il faut connaître avant de se lancer

  Cloud Spanner conjugue la cohérence des données à la scalabilité horizontale. Une architecture peu commune qu’il convient de connaître. En voici 4 briques essentielles.  Lire la suite

• Machine Learning : l'indispensable préparation des données requiert encore (beaucoup) d'humain

  Vous voulez automatiser vos processus grâce à l'intelligence artificielle ? D'accord. Mais ne négligez surtout pas le travail manuel qui reste encore nécessaire pour préparer les données avant de les injecter dans les algorithmes.  Lire la suite

• Big Data : ce qu'il faut prendre en compte dans les formats de données

  Si JSON est aujourd’hui devenu le format de données de référence pour les développeurs, Parquet, ORC peuvent être de meilleures options pour l’analytique. Cet article vous en dit plus sur les différents formats de données Big Data.  Lire la suite

• CRM : trois bonnes raisons d'avoir un Data Scientist dans son équipe CX

  Les équipes en charge l'expérience client (CX) n'ont habituellement pas de Data Scientist. Mais en ajouter un peut aider à extraire plus de valeur des données que ne le ferait un analyste CRM classique avec un logiciel BI clef en main.  Lire la suite

• Le Big Data pour consolider ses données de sécurité : oui, mais de manière ordonnée

  Gartner recommande une sérieuse préparation afin d’aligner la collecte et le stockage des données sur les objectifs métiers et les besoins de la plateforme d’analyse ou du prestataire de service managé qui sera éventuellement chargé de la ...  Lire la suite

• Machine Learning : les différentes manières dont le « as a Service » démocratise l'IA

  L'émergence d'outils d'Intelligence Artificielle « à la demande » permet à un plus grand nombre d'entreprises, au-delà des géants de la Tech et des multinationales, d'accéder aux avantages du Machine Learning et du Deep Learning.  Lire la suite

• Qu'est-ce que la virtualisation de données ?

  Selon Forrester, la virtualisation de données (ou Data Virtualization) est la forme particulière d'intégration de données qui connaît la croissance la plus rapide. Mais pourquoi est-elle si « particulière » ?  Lire la suite

• Machine Learning : ce que peuvent vraiment faire les entreprises avec ces algorithmes

  Les applications concrètes de l'apprentissage statistique sont nombreuses et variées. Aussi variées que l'apprentissage supervisé, non supervisé, les réseaux neuronaux, ou l'apprentissage par renforcement.  Lire la suite

• Comment le Machine Learning peut améliorer la supervision des communications unifiées

  Avec les toutes premières utilisations du Machine Learning et de l'Intelligence Artificielle dans les communications unifiées, notre expert examine la valeur qu'elles apportent dans la gestion et l'analyse des communications unifiées.  Lire la suite

• Machine Learning : bien comprendre les trois niveaux d'offres de Google Cloud

  APIs et services AutoML pour les développeurs, BigQuery ML pour les Data Analystes, boite à outils à base de Tensorflow pour les Data Scientists, Google segmente très clairement son offre pour toucher le plus d'utilisateurs possibles.  Lire la suite

• Oracle 19c : six améliorations (très) utiles pour les DBAs

  Oracle publie désormais chaque année une nouvelle version de sa base. Voici quelques nouveautés que les administrateurs de base de données ont tout à gagner à envisager dans cette mise à jour 2019.  Lire la suite

• Intelligence artificielle et centres de contact : cinq applications pertinentes

  L'intelligence artificielle dans les centres d'appels évolue pour répondre aux besoins des organisations en matière de support et de SAV. Voici cinq tendances clefs qui peuvent apporter une vraie valeur ajoutée.  Lire la suite

• Machine Learning : comment choisir le bon framework ?

  Ce ne sont pas les outils open source qui manquent pour le Machine Learning et le Deep Learning. A tel point que choisir les bons peut vite devenir une gageure. Pour faire un choix avisé, voici quelques conseils de spécialistes à bien garder à ...  Lire la suite

• Comment le cloud redonne vie aux entrepôts de données

  Boudés au profit d’Hadoop, les entrepôts de données retrouvent une certaine jeunesse avec le cloud.  Lire la suite