Conseils IT
Conseils IT
Intelligence Artificielle et Data Science
-
Edge computing : les meilleurs cas d’usage en milieu industriel
Le edge computing peut améliorer divers aspects des opérations industrielles. Et faire économiser du temps et de l’argent. Voici quelques-uns des meilleurs cas d’utilisation de cette technologie. Lire la suite
-
Comment accélérer Python et NumPy en évitant la taxe de conversion
Les transferts de données et de mémoire en Python s’accompagnent d’une taxe cachée sur les performances. Voici comment utiliser NumPy pour des performances optimales en évitant les sauts à travers une ligne cachée de conversions. Lire la suite
-
12 cas d’utilisation de l’IA en RH sur lesquels les entreprises devraient s’attarder
L’IA peut aider les RH à optimiser divers aspects des opérations qui les concernent. Mais il s’agit également pour les responsables RH de bien évaluer les risques. Cet article passe en revue 12 cas d’usage concrets. Lire la suite
-
Comment l’Intelligence artificielle peut renforcer une supply chain
Les applications de l’IA dans la chaîne logistique (SCM) sont nombreuses et leurs potentiels énormes, mais il faudra aussi veiller à laisser la technologie sous le contrôle des métiers et de l’humain, rappelle François-Joseph Mytych de KBRW. Lire la suite
-
QA : ce qu’il faut savoir avant de tester des apps d’IA générative
Les applications d’IA générative étant de plus en plus populaires, les professionnels de l’assurance qualité doivent être conscients de leurs modes d’échec particuliers. Découvrez ce que les testeurs doivent prendre en compte lorsqu’ils manipulent ... Lire la suite
-
Conseils pour améliorer l’expérience collaborateurs grâce à l’IA
L’Intelligence artificielle peut être un bon levier pour améliorer l’expérience de vos collaborateurs. Encore faut-il respecter quelques règles, qui faciliteront l’acceptation de cette technologie qui peut aussi être anxiogène, conseillent deux ... Lire la suite
-
Tutoriel MLOps : les premiers pas avec Kubeflow
Pour les équipes qui exécutent des flux de travail de machine learning avec Kubernetes, l’utilisation de Kubeflow peut conduire à des déploiements plus rapides et plus fluides. Commencez avec ce guide d’installation. Lire la suite
-
MLOps : pourquoi l’entraînement continu est essentiel
Les entreprises qui mettent en place des stratégies MLOps doivent prendre en considération quand elles doivent appliquer des étapes d’entraînement continu et quand cela n’est pas nécessaire. Lire la suite
-
Comprendre les fondamentaux d’un cadre MLOps
Vous ne savez pas par où commencer lorsqu’il s’agit de normaliser les processus de machine learning de votre entreprise ? Explorez les principaux éléments à prendre en compte pour constituer un cadre MLOps. Lire la suite
-
Tout ce qu’il faut savoir sur l’AI Washing
Avec le battage médiatique viennent les bonimenteurs. Découvrez comment les entreprises exagèrent l’implication de l’IA dans leurs produits et services, et comment éviter de tomber dans le piège. Lire la suite
-
IA générative et supply chain : quatre applications possibles
De la prévision de la demande à l’amélioration de la durabilité, voici comment les grands modèles de langage (LLM) peuvent améliorer la gestion, la résilience et la communication au sein de la chaîne d’approvisionnement. Lire la suite
-
IA, machine learning, deep learning, IA générative : quelles différences ?
La démocratisation de ce que le marché a nommé l’IA générative provoque chez certains une forme de confusion. En des termes simples, l’IA – intelligence artificielle – devient, dans les discours, IA générative. Ce conseil rappelle les distinctions ... Lire la suite
-
MLSecOps : les bonnes pratiques pour sécuriser l’IA
Si le terme apparaît comme une énième déclinaison marketing, le suivi des meilleures pratiques MLSecOps doit permettre aux entreprises de déployer l’IA et le machine learning sans ajouter de problèmes de sécurité irrémédiables, malgré l’inévitable ... Lire la suite
-
IA : comment générer de l’ADN avec des LLMs
Les grands modèles de langage (LLM) ont des applications potentielles qui vont au-delà des résumés ou des brouillons de mails. Ils peuvent aussi être utilisés pour créer des séquences synthétiques d’ADN. Lire la suite
-
Informatique quantique : les promesses pour les métiers
L’informatique quantique est riche de promesses pour accélérer la résolution de certains problèmes métiers. Voici un tour d’horizon de celles qui sont les plus susceptibles de se concrétiser. Et quelques conseils d’experts pour se préparer avec ... Lire la suite
-
À l’heure du cloud, les data stack traditionnelles sont-elles encore pertinentes ?
Les piles de données traditionnelles n’ont pas la flexibilité et l’évolutivité que le cloud offre aux « data stack » modernes. Cependant, les architectures déployées sur site présentent encore plusieurs avantages par rapport à leurs homologues en ... Lire la suite
-
Faire une IA générative moins énergivore (l’exemple de Workday)
L’intelligence artificielle générative est énergivore, que ce soit lors de l’entraînement ou pendant l’inférence. Mais plusieurs solutions existent pour réduire son coût et son empreinte énergétiques. L’ex-ingénieur de la NASA et co-président de ... Lire la suite
-
Combien de personnes faut-il pour entraîner un grand modèle de langage ?
L’étude des articles de recherche et des rapports techniques démontre qu’en à peine un an les grands du secteur ont très largement gonflé les effectifs des laboratoires R&D, afin de déployer leurs modèles d’IA générative. Pour autant, les équipes de... Lire la suite
-
Comment devenir ingénieur MLOps
Découvrez les principales responsabilités et compétences requises pour une carrière dans le domaine du MLOps, qui se concentre sur la gestion des flux de travail tout au long du cycle de vie des modèles de machine learning. Lire la suite
-
GenAI Mode d’Emploi : pourquoi et comment adapter un modèle ?
Quand avoir une IA générative « maison » est-elle une bonne idée ? Et dans ce cas, comment choisir le bon LLM ? Et comment l’adapter ? Par réentraînement ou avec des techniques plus simples (et lesquelles) ? Autant de questions auxquelles Guillaume ... Lire la suite
-
Application et IA générative : l’émergence d’une architecture type
L’architecture applicative universelle n’existe pas, mais un modèle s’impose quand il est question d’exploiter un grand modèle de langage (LLM). Il s’agit d’enrichir les résultats d’un modèle avec une base de connaissances. Une approche extensible, ... Lire la suite
-
IA générative : les dix bonnes pratiques pour rédiger ses prompts
Poser les bonnes questions est essentiel pour utiliser efficacement l’IA générative. Découvrez 10 conseils pour rédiger des prompts clairs et utiles, et apprenez les erreurs communes à éviter ainsi que des conseils pour la génération d’images. Lire la suite
-
Bien débuter son projet d’IA générative
Lors du salon Big Data & AI Paris 2023, Laurent Daudet, président et cofondateur de LightOn, a partagé l’approche de sa startup pour bien appréhender un projet d’IA générative. En découle une stratégie en cinq phases pour structurer les enjeux et ... Lire la suite
-
IA : conseils pour bien se préparer à la révolution industrielle à venir
Entre le quotidien opérationnel qui assure les marges d’aujourd’hui et les investissements de moyen terme au succès aléatoire, les dirigeants vont devoir faire des choix parfois contre-intuitifs pour se préparer aux changements que promet l’IA – ... Lire la suite
-
L’essentiel sur LangChain
Quand il est question d’IA générative, LangChain revient souvent sur le devant de la scène. Qu’est-ce que c’est ? Comment cela fonctionne-t-il ? Ce conseil éclaircit les capacités principales de ce framework et ses cas d’usage. Lire la suite
-
L’IA générative menace-t-elle les plateformes low-code/no-code ?
Outre les risques en matière de sécurité et de droit, l’IA générative complète, mais ne remplace pas (tout du moins pour l’instant) les plateformes low-code/no-code. Lire la suite
-
« Petit » lexique de l’IA générative : les grands modèles de langage
L’IA générative est une technologie simple à comprendre, mais complexe à maîtriser. Ce lexique a pour objectif de lister et définir rapidement les concepts importants qui régissent le fonctionnement des grands modèles de langage. Lire la suite
-
Prompt engineering et fine-tuning : quelles sont les différences ?
Le prompt engineering et le fine-tuning sont deux approches pour optimiser les résultats d’une IA générative. Toutefois, ces deux techniques jouent un rôle distinct dans l’entraînement d’un modèle LLM. Lire la suite
-
Les leçons à retenir de l’entraînement de Llama 2
Llama 2 n’est pas la collection de modèles open source espérée. Il n’en reste pas moins que les méthodes décrites par les chercheurs de Meta devraient aider la communauté à y voir plus clair pour tenter de reproduire le succès de ChatGPT (et de GPT-... Lire la suite
-
Intégrer concrètement l’éthique à vos projets IT en 3 étapes
L’expert européen Marc Steen préconise un processus en trois étapes pour intégrer l’éthique à l’IT. Il propose également un cadre de réflexion qui s’appuie sur deux perspectives éthiques distinctes. Lire la suite
-
Comment fixer des règles claires pour un usage sûr de ChatGPT en entreprise ?
Les outils comme ChatGPT ont un réel potentiel. Mais ils ne sont pas sans risque (fuites de données, erreurs qui peuvent être coûteuses, etc.). Voici comment établir des garde-fous qui éviteront les mauvaises surprises tout en optimisant les ... Lire la suite
-
Embeddings et IA générative : pourquoi faut-il être prudent ?
De plus en plus d’éditeurs vantent l’intérêt de la technique de l’embedding pour enrichir les réponses d’un modèle comme GPT-4 tout en évitant d’envoyer des données confidentielles vers les plateformes d’IA générative. Dans les faits, la méthode ... Lire la suite
-
Quels leviers RH activer pour renforcer ses compétences Data ?
Recrutement, upskilling ou reskilling ? Quelle solution privilégier pour renforcer ses moyens humains sur les sujets en tension des données et de l’intelligence artificielle ? Indice : le niveau de maturité est clé dans les choix. Et les managers ... Lire la suite
-
IA générative : quelle stratégie pour en tirer les bénéfices (et en limiter les risques)
Les IA génératives sont riches de promesses de gain de productivité pour les entreprises, à condition de bien contrôler leurs usages et leurs travers possibles. Trois experts proposent des pistes de plan d’action avant d’utiliser ChatGPT ou d’autres... Lire la suite
-
Risques et atouts de l’intelligence artificielle générative pour les services client
Les IA génératives, comme ChatGPT, ont plusieurs avantages pour un service client. Mais les organisations doivent comprendre les risques liés à cette technologie, comme les réponses fabriquées de toutes pièces ou les biais. Lire la suite
-
IA appliquée aux outils comptables et financiers : les cas d’usages
Les différentes facettes de l’intelligence artificielle présentent un potentiel important pour de nombreuses tâches financières et comptables, même si leur usage n’est pas encore totalement répandu. Lire la suite
-
Intelligence artificielle générative et secteur industriel : atouts et défis
Des experts de PwC, Capgemini, Deloitte et Tata Consulting Services partagent leurs idées, leurs conseils et leurs bonnes pratiques pour tirer le meilleur parti de l’IA générative dans le secteur manufacturier, et sur la manière d’atténuer les ... Lire la suite
-
ESG : comment relever le défi des données ?
Mesurer ses processus, collecter les données, les enrichir avec des sources externes, puis les rendre intelligibles pour agir. Telles sont les exigences imposées par les nouvelles réglementations ESG. Le défi est de taille, car ce domaine de la ... Lire la suite
-
Amélioration des critères ESG : comment l’IT peut participer
Les consommateurs, les collaborateurs et même les investisseurs se tournent vers des entreprises respectueuses des critères environnementaux, sociaux et de gouvernance (ESG). Voici les pistes d’action que votre entreprise et son IT doivent explorer,... Lire la suite
-
Les biais du recrutement augmenté à l’IA : ce qu’il faut savoir
Les biais et la discrimination peuvent s’insinuer à presque toutes les étapes de votre processus de recrutement. Voici quelques points de vigilance et conseils pour en limiter l’impact. Lire la suite
-
Dix certifications clés pour les data architects et les data engineers
Pour gagner en compétence, les data architects et les data engineers sont invités à passer et obtenir des certifications. Oui, mais lesquelles ? Cet article liste dix certifications clés pour ces deux spécialités. Lire la suite
-
Le suivi des émissions de CO2, un enjeu de taille pour l’IT
Les entreprises de divers secteurs ainsi que les pouvoirs publics ont recours à l’IT et aux solutions analytiques pour suivre les émissions de gaz à effet de serre afin de répondre aux nouvelles exigences réglementaires. Lire la suite
-
Data Lakehouse : les subtiles nuances qui divisent les éditeurs
Si le principe de faire converger un lac et un entrepôt de données a séduit les éditeurs et les fournisseurs de cloud, les interprétations du concept de Data Lakehouse sont désormais plus nombreuses qu’il n’y paraît. Lire la suite
-
NLP : la tendance la plus importante de la BI en 2023, selon les experts
Compte tenu des progrès réalisés dans le développement des agents conversationnels, comme le récent lancement de ChatGPT, les observateurs du secteur s’attendent à ce que les éditeurs de solutions analytiques accordent la priorité aux requêtes et ... Lire la suite
-
Les tendances clefs du Big Data en 2023 (et après)
Le big data entraîne des changements dans la manière dont les organisations traitent, stockent et analysent les données. Les avantages qui en découlent stimulent encore plus l’innovation. Voici les grandes tendances du domaine à suivre en 2023. Lire la suite
-
L’avènement de la RPA et au-delà
En s’efforçant d’émuler l’humain dans des tâches telles que la saisie de données, l’automatisation robotisée des processus a trouvé sa place dans de nombreuses opérations administratives de l’entreprise. Lire la suite
-
Comment constituer la bonne équipe DataOps
Nombreuses sont les entreprises à se tourner vers le DataOps pour tirer le meilleur parti de la gestion des données. Découvrez comment vous entourer de la bonne équipe pour garantir le succès d’une approche DataOps. Lire la suite
-
Comment les services IT peuvent faciliter les projets analytiques
Les services IT doivent rendre possibles les cas d’usage analytiques dans les organisations en s’assurant que l’architecture de données est en place, en prenant en compte les outils, les processus et les procédures. Lire la suite
-
Bien comprendre le chiffrement homomorphe
Le chiffrement homomorphe est une technique permettant d’effectuer des traitements sur des données chiffrées sans qu’elles soient exposées en clair. Des experts d’IBM évaluent les avantages et inconvénients de la méthode entrée dans une première ... Lire la suite
-
Pourquoi toutes les décisions data-driven ne sont-elles pas fiables ?
Les entreprises expriment souvent le souhait de devenir « data-driven ». Mais si ces données étaient inexactes ? La démocratisation des données répondrait en partie à ce problème. Lire la suite
-
Intelligence Artificielle appliquée aux RH : les cas d’usages
L’IA a de nombreux atouts pour les ressources humaines. Et même si les DRH se montrent encore prudents, certains usages se sont d’ores et déjà imposés. Ce dossier vous propose de plonger dans l’état de l’art de l’IA appliquée aux RH (sans en oublier... Lire la suite
-
IA générique et généralisation de l’IA : les défis des industriels
Les industriels sont confrontés à des problématiques majeures. Encouragés par le consensus scientifique à adopter des modèles d’IA génériques, ils n’arrivent pas à généraliser correctement l’apprentissage des réseaux de neurones, qui malgré les ... Lire la suite
-
Big Data et Machine Learning : comment faire de la vraie hyper personnalisation dans l’e-commerce ?
Qu’est-ce que l’hyper-profiling (ou hyper-personnalisation) ? Comment le mettre réellement en pratique dans l’e-commerce ? Réponse dans cette tribune du cabinet de conseils Daveo (Magellan Partners). Lire la suite
-
Intégration de données : quatre tendances émergentes à évaluer
Selon Forrester, pour accroître leurs performances en matière d’intégration des données, les entreprises doivent évaluer ces quatre technologies d’intégration de données. Lire la suite
-
Comment rendre l’IA plus verte et plus efficace
L’intelligence artificielle promet de combattre les effets néfastes du changement climatique, mais dans le même temps, elle est vouée à en aggraver les conséquences en raison de sa consommation excessive d’énergie. Comment rendre l’IA plus verte ? Lire la suite
-
Intégration de données : l’essentiel sur StreamSets
Filiale de Software AG, StreamSets s’est récemment installée en France. Elle propose une plateforme DataOps consacrée à l’orchestration des intégrations de données multicloud et hybride. Lire la suite
-
L’analytique collaborative, une approche vouée à doper le décisionnel
En adoptant un modèle d’analytique collaborative, les organisations cherchent à exploiter tout le potentiel de leurs effectifs et à renforcer par la collaboration le partage d’informations et la prise de décision. Lire la suite
-
L’essentiel sur les bases de données graphes
Les bases de données graphes se concentrent sur les relations entre les données, une propriété qui les distingue des autres SBGD NoSQL, mais aussi des bases relationnelles. Lire la suite
-
Gartner : six conversations clés entre DSI et dirigeants pour contribuer au succès de l’IA
Les promesses de l’intelligence artificielle ne se concrétisent pas souvent dans les entreprises, alors comment maximiser vos chances de réussite ? Voilà les conseils des analystes de Gartner aux DSI et aux dirigeants. Lire la suite
-
Qu’est-ce que la gouvernance de l’IA et pourquoi en avez-vous besoin ?
La gouvernance de l’IA est une nouvelle discipline, compte tenu de l’expansion récente de cette technologie. Elle diffère des pratiques de gouvernance informatique standard, dans la mesure où elle s’intéresse à l’utilisation responsable du machine ... Lire la suite
-
IA et HPC : l’essentiel sur SambaNova Systems
SambaNova a rapidement pris ses marques comme concepteurs de puces et de systèmes dédiés à l’IA, mais la startup affirme qu’elle a plus que cela à offrir. Sa stratégie axée sur l’intelligence artificielle à la demande commence à séduire certaines ... Lire la suite
-
Comment améliorer un service client avec l’Intelligence artificielle
L’Intelligence artificielle peut stimuler l’efficacité des équipes chargées de la relation client. Voici huit exemples d’applications concrètes de l’IA pour améliorer votre expérience client. Lire la suite
-
Data Mining : les sept techniques les plus importantes
Cet article explique ce qu’est la pratique du data mining et les méthodes les plus intéressantes pour le mettre en place dans un projet de data science et de machine learning. Lire la suite
-
Data management : open source ou propriétaire, quel choix faire ?
L’open source et le data management en cloud deviennent des options populaires, mais les solutions propriétaires demeurent incontournables, et parfois plus appropriées à certains cas d’usage. Lire la suite
-
Pourquoi l’optimisation des modèles d’IA est cruciale
Alors que de plus en plus d’entreprises se lancent dans l’IA Edge, les praticiens de cette technologie en plein essor tentent de relever les défis de l’optimisation de l’apprentissage automatique sur des appareils peu puissants. Lire la suite
-
IA frugale : les précautions à prendre avant de déployer TinyML
L’approche TinyML dispose d’atouts indéniables pour favoriser des déploiements frugaux de l’IA en périphérie. Mais il faut avoir conscience des nombreuses exigences logicielles et matérielles. Voici un ensemble de bonnes pratiques que les ... Lire la suite
-
Mesurer l’empreinte ambivalente de l’IA sur l’environnement
Les entreprises peuvent utiliser l’IA pour aider à protéger l’environnement, notamment en l’utilisant pour prévenir les incendies de forêt et réduire les déchets des usines. Néanmoins, l’IA a sa propre empreinte carbone. Lire la suite
-
IA et automatisation : comment améliorer son service client
Dans un rapport riche d’enseignements, deux analystes de Forrester explorent les bénéfices de l’intelligence artificielle et de l’automatisation pour le service client. Ils en résument les principales conclusions pratiques et concrètes à retenir, et... Lire la suite
-
IA frugale : trois règles « simples » pour optimiser les algorithmes
Dans ce conseil, Théo Alves Da Costa, Manager Data Science chez Ekimetrics, présente trois règles « simples » pour tirer le meilleur parti de l’IA en entreprise, sans exploser les coûts économiques et écologiques. Lire la suite
-
Data Science : différence entre intervalle de confiance, niveaux de confiance et de signification
En statistiques, et donc en data science, il est important de comprendre les résultats d’une étude ou d’une analyse au sein d’une population de clients ou d’utilisateurs. Ce conseil établit la différence entre l’intervalle de confiance, le niveau de... Lire la suite
-
Bâtir un assistant vocal : les précieux conseils d’un expert de la Banque Nationale du Canada
De l’évaluation des briques disponibles sur le marché au déploiement d’assistants vocaux, Éric Charton, directeur AI Science pour la Banque Nationale du Canada délivre de précieux conseils pour éviter les pièges et réussir ce type de projet NLP/NLU. Lire la suite
-
Réussir son projet ESG grâce à l’IA et à la donnée
Les réglementations imposent aux entreprises de plus communiquer sur leurs activités polluantes et d’en réduire les effets. Le fondateur du spécialiste DreamQuark, Nicolas Méric explique pourquoi l’Intelligence Artificielle et la donnée sont deux ... Lire la suite
-
Les différences entre arbre de décision, Random Forest et Gradient Boosting
Dans cet article, Stéphanie Glen, professeure de statistiques et autrice, explique simplement la différence entre trois méthodes de prise de décision et de classification en data science : les arbres de décisions, les forêts aléatoires et le ... Lire la suite
-
Cinq cas d’usages de l’IA dans un workflow de traduction
Les traducteurs en ligne à base d’intelligence artificielle sont entrés jusque dans les mœurs du grand public. Dans les entreprises, l’IA a aussi grandement automatisé cette tâche. Une bonne pratique consiste à mettre en place un workflow pour ... Lire la suite
-
Machine learning : la différence entre une corrélation et une régression linéaire
En statistiques, en analytique et en machine learning, l’on utilise régulièrement des corrélations et des régressions linéaires. Cet article établit leur complémentarité et leurs différences. Lire la suite
-
Machine learning : différencier l’échantillonnage stratifié, en grappes et par quotas
Ce conseil brosse les grandes différences entre l’échantillonnage stratifié, en grappes et par quotas, des approches très populaires en statistique et en machine learning. Lire la suite
-
Data science : ce qu’attendent les recruteurs lors d’un entretien
L’entretien est une première étape importante pour obtenir un emploi et c’est d’autant plus vrai dans le domaine de la data science. Voici des conseils pour se préparer aux questions et aux besoins des employeurs. Lire la suite
-
L’essentiel sur le Feature Store et ses usages
Le Feature Store promet une architecture centralisée pour administrer l’entraînement, le déploiement des modèles de machine learning et de leurs données. Ce conseil tente de définir une telle approche et passe en revue ses qualités et ses défauts. Lire la suite
-
7 algorithmes à connaître en 2021 : fonctionnalités, différences, principes et applications
Approches algorithmiques explicables, modèles d’attention et transformers, algorithmes génératifs (GAN et VAE), algorithmes multimodaux et multitâches, algorithmes sur les graphes et GNN, causalité et algorithmes TCN, Small Data et Transfer Learning... Lire la suite
-
Cloud : trois conseils pour se prémunir d’une suspension par votre CSP (Gartner)
Comme l’ont prouvé de récents événements, les fournisseurs de cloud public ont le pouvoir de mettre un terme aux contrats de leurs clients, de manière unilatérale, laissant démunies des entreprises qui peuvent être parfaitement légitimes. Lire la suite
-
Valoriser ses données grâce au DataOps
Qu’est-ce que le DataOps ? Comment la démarche fiabilise-t-elle la donnée et son utilisation ? Quelles sont ses composantes techniques et d’organisation ? Un expert de SFEIR répond à toutes ces questions. Lire la suite
-
Intelligence Artificielle en production : 10 problèmes courants, 11 solutions
Fondateur du spécialiste DreamQuark, Nicolas Méric a identifié depuis sept ans les 10 raisons principales qui expliquent les échecs des projets d’Intelligence Artificielle. Il partage les 11 leçons qu’il en a tirées pour faire face à ces difficultés... Lire la suite
-
Adoption de l’IA : Stratégie et processus vertueux pour réussir
Fondateur du spécialiste DreamQuark, Nicolas Méric partage sa méthodologie et ses conseils – dont un framework en quatre étapes clefs - pour réussir un projet d’IA jusqu’à sa mise production. Un déploiement qui n’est qu’un début, rappelle-t-il. Lire la suite
-
Site Reliability Engineer : bien préparer son entretien d’embauche
Pour réussir leur entretien, les candidats à un poste de SRE doivent être prêts à discuter de tout, depuis les langages de programmation jusqu’au dépannage d’un réseau de manière plus ou moins détaillée. Lire la suite
-
ERP : les 5 différences majeures entre S/4HANA et SAP ECC
Alors que les entreprises sous ECC analysent les options dont elles disposent pour l’avenir de leurs ERP, il est essentiel de bien comprendre comment leurs systèmes SAP actuels diffèrent de S/4HANA. Voici quelques différences parmi les plus ... Lire la suite
-
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
-
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
-
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