Google, au cœur de l’innovation !

De Sophie Brut dans Méthodes et Organisation|Technique

11 jan 2018

Thomas, le Responsable Innovation du Groupe et moi-même avons participé le 1er décembre dernier à un événement Google “au cœur de l’innovation”. Retour sur les points forts de cette présentation.

Tout d’abord, quelle est l’innovation dans les applications métier d’aujourd’hui ? Ces applications présentent toujours le même process, l’amélioration consiste dans le processus d’informatisation. Depuis plusieurs années, de nombreuses évolutions ont eu lieu dans la méthodologie de développements pour être toujours plus productif et réactif.

S’agissant ici d’un événement Google, il nous a bien entendu essentiellement été évoqué les technologies Google, notamment Google Cloud Platform (GCP).

La Google Cloud Platform est la plateforme qui regroupe les différents services cloud de Google. Ces services sont aussi variés que le calcul, le stockage, le networking, le Big Data, le Machine Learning, l’internet des objets (IOT), la sécurité, la gestion cloud et le développement d’applications qui sont directement lancés sur les serveurs de Google.
Ce qui nous intéresse essentiellement ici, c’est le Machine learning. Car “Machine learning is a core transformative way by which we are rethinking everything we are doing” dixit Sundar Pichai, CEO de Google. Alors si Sundar dit que c’est un moyen fondamental de transformation digitale, intéressons-nous y de plus près.

Machine learning, en quelques mots ? Le Machine Learning (ou apprentissage automatique, en français dans le texte) est plus un concept qu’un réel système, c’est une sous branche de l’intelligence artificielle (IA). Le Machine Learning est une technologie d’intelligence artificielle permettant aux ordinateurs d’apprendre sans avoir été programmés explicitement à cet effet.
En fait, c’est un peu un Buzz Word… Car le Machine learning n’est pas une nouvelle discipline, mais elle prend tout son sens avec l’arrivée du Big Data. Pour apprendre et se développer, les ordinateurs ont en effet besoin de données à analyser et sur lesquelles s’entraîner. Le Big Data est donc l’essence même du Machine Learning. Ce dernier se décompose en 2 étapes : une phase d’entraînement (pendant laquelle le système engloutit et apprend sur une première partie des données) suivie par une phase de vérification (la validité des prédictions est testée sur la seconde partie des données non apprises).

L’exemple le plus souvent cité d’application du Machine learning est l’apprentissage supervisée d’objets. Par exemple, un algorithme peut être alimenté avec des millions d’images de Chats identifiés Félins. L’algorithme d’apprentissage supervisé devrait être capable de reconnaitre plus tard des images de Chat (sans qu’elles soient identifiées Félins).
Dans l’apprentissage non supervisé, les données ne sont pas identifiées, de sorte que l’algorithme d’apprentissage doit trouver tout seul les points communs dans ses données d’entrée.
Cet apprentissage peut amener à de l’analyse prédictive.

Voici quelques exemples de Machine Learning : la voiture autonome de Google, la classification des emails dans gmail,… et par ce qu’il n’y a pas que Google qui sache le pratiquer, il y a aussi la traduction en temps réel de Skype, la reconnaissance vocale Siri d’Apple…
En somme, tout ce qui nécessite un apprentissage par la mémoire.

Le Machine learning se décompose en 3 phases :
. la représentation consiste à trouver le modèle mathématique le plus adapté ;
. l’évaluation mesure l’écart entre le modèle et la réalité des données de tests ;
. l’optimisation vise à amenuiser cet écart.

Pour en revenir à Google, en ce qui concerne l’intelligence artificielle, il propose son Cloud Machine Learning Engine, un service permettant aux utilisateurs de développer et d’entraîner des modèles de Machine Learning. Différentes API sont également disponibles pour la traduction et l’analyse de discours, de textes, d’images ou de vidéos.

ÉTUDES DE CAS
Après cette présentation des services Google, plusieurs études de cas nous ont été présentées par une société de developpements Web. Un concurrent d’iMDEO mais surtout un futur partenaire. (Et iMDEO n’a pas à rougir de ses projets et est ravi de voir à travers ces études de cas qu’elle apporte des solutions similaires à ses clients.)

La première étude de cas présentée lors du Google Event concernait un loueur de véhicules utilitaires et industriels.
La demande de ce client était de disposer d’une application de gestion de la flotte de ces véhicules à l’étranger.
Le challenge est d’apporter des solutions de gestion IT à ses nouveaux pays dans un délai très court. Le client a envisagé dans un premier temps de dupliquer sa solution ERP existante. Après plusieurs essais, cela s’est avéré non approprié et une perte de temps.
La solution finale a été de faire développer leur propre outil « Starterkit » adapté à l’intégration de ces nouveaux territoires.

La méthode agile a été adoptée pour sa mise en place. Le choix technologique s’est orienté vers Python et Javascript sous App Engine (GAE), solution prête à coder Google. D’une part car Python, en tant que langage seul, n’est pas spécialement plus adapté que les autres langages pour faire de l’IA. Mais il s’y prête bien et sa syntaxe concise et facile permet d’y progresser très certainement plus aisément que dans d’autres langages. D’autre part de l’intérêt de tirer avantages de l’environnement GAE Saas et Paas de Google en développant une application métier en mode agile.

Mais rassurez-vous ces solutions développées sur une base Google peuvent tout de même être liées à d’autres outils que ceux proposés par Google (CRM,..). Socle Google mais pas full Google ! Comme dit le proverbe, il ne faut pas mettre tous ses œufs dans le même panier, même en informatique.

L’étude de cas se termine par un client ravi qui dispose d’une application sur mesure, adaptée à son besoin spécifique, simple à utiliser et obtenue dans les délais serrés impartis.
Mais au final, le côté innovant n’est pas la face émergée de l’iceberg : la solution, mais plus la face immergée : le process de développement. Une plateforme de développement type Google Cloud Platform permet une plus grande rapidité de mise en œuvre, un déploiement facilité et un coût accessible.

La 2nde etude de cas présentée était autour d’un outil de digitalisation du processus métier de l’inspection véhicule pour un autre loueur de véhicule. Le process est simple = vehicle check + sales center + predictive marketing. L’ambition de ce loueur est de professionnaliser le rapport remis au client à l’issue du diagnostic.

La réponse apportée est une solution adaptée pour standardiser et outiller les spécificités du loueur dans un cadre technologique maîtrisée. Le double objectif est de professionnaliser le travail des techniciens d’une part et d’accroître les ventes immédiates (produits ou services additionnels détectés lors du contrôle) et futures (marketing prédictif) d’autre part.

L’exécution du projet a été très orientée design : UX/UI en atelier agile. L’architecture, quant à elle, est sur Firebase. Et le choix technologique s’est orienté vers une application web responsive sur Chrome, plus qu’un applicatif mobile natif.
L’avantage de GCP est déjà de ne pas avoir à faire de choix de mobile, étant cross plateforme. Il apporte également digitalisation des process, un simulateur de coût (TCO),…

Le Machine learning à implanter consiste à structurer les données récupérées au fur et à mesure des contrôles de voitures. Ensuite au travers d’un apprentissage non supervisé, l’algorithme définira les contrôles ou changements de pièces à faire avant d’arriver à la panne.

En conclusion, l’innovation ne tient pas toujours dans le produit mais parfois dans la technologie et le process de développement, la face immergée de l’iceberg. Quel est donc l’avantage pour le client vous questionnez vous ? Le bénéfice pour le client consiste notamment en un time-to-market plus rapide, des coûts de développement plus compétitifs,..

Commentaire

6 + = huit

iMDEO recrute !

REJOIGNEZ-NOUS

A la recherche de nouveaux talents (développeurs web et mobile, chefs de projet,...)

Voir les annonces