Conferences

ACTEURS INNOVANTS

INFORMATIONS PRATIQUES
Date, Lieu
Lundi 27 Mai 2019
8h15-17h30
Ministère de l 'Economie et des Finances, Paris Bercy, Centre de Conférences Pierre Mendès France, 139 rue de Bercy, 75012 Paris


La pièce d'identité est obligatoire pour accéder au Ministère.
 


Journée de la Data Science - IMAgine Day
27 Mai 2019 - Ministère de l 'Economie et des Finances, Paris Bercy, Centre de Conférences Pierre Mendès France, 139 rue de Bercy, 75012 Paris

JE M'INSCRIS

OK
J'accepte les CGU
Motivation de ces rencontres :
  • Il n’existe pas de data scientist omniscient : L’éventail des techniques data science est trop vaste, en constante et rapide évolution.
  • Bénéficier des retours d’expériences d’autres data scientists permet de :
    • Capitaliser dans l’identification des meilleures approches et techniques data science
    • Monter en compétences sur des techniques spécifiques (traitement du langage naturel, détection d’anomalies/fraudes, etc.)
    • Mutualiser la veille sur la maturité des nouvelles techniques data science
    • Identifier les outils et librairies à valeurs ajoutées pour les projets
  • Disposer d’éléments de comparaison sur les projets d’autres entreprises pour alimenter les réflexions internes et accompagner le changement :
    • Typologie de uses cases adressés
    • Patterns d’industrialisation
    • Organisation des équipes/projets data science
    • Stratégie Build vs Buy par typologie de uses cases
  
L’IMA fédère et accélère l’intelligence collective en faveur de l’Innovation Technologique

 
        Créée en juin 2015, L'IMA est une association à but non lucratif, indépendante des fournisseurs, qui rassemble plus de 2000 responsables stratégiques et opérationnels d'innovation technologique et digitale (CDO, CIO, CSO ; Digital Officers ; Métiers 2.0 et collaborateurs) de 80 Grands Groupes et Administrations, pour fédérer et développer les initiatives innovantes.
 
        L'IMA s'intéresse aux Technologies Émergeantes et aux Nouveaux Usages (IA, VR, AR, Blockchain, IOT & Géolocalisation, Robotique et Drones, Cybersécurité, Maintenance Prédictive, Future of Work, etc.).
       
        C’est un club de MAKERS qui apporte : 

1- L’inspiration (hybridation d’expériences) à travers :
  • la publication de uses cases remarquables de transformation digitale (techno ou métiers)
  • des visites d’adhérents («Deep Dive»)
  • des LearnEx (« Learning Expeditions»)
  • des conférences
  • etc.
2- L’accélération des capacités d’innovation et la réduction du risque à travers :
  • la recommandation d’acteurs innovants ayant fait leurs preuves chez les membres via une plateforme de référencement et notation (SolutionAdvisor)
  • un forum d’entraide
  • et un apprentissage collectif au sein des 8 DO & THINK Tanks technos et usages
3- Une optimisation des budgets d’innovation à travers une plateforme digitale permettant une veille mutualisés et la réalisation de PoCs en communs.

 
Le 27/05/19 : 

08h15 : Accueil

09h00 : Discours d'introduction de Bruno Le Maire, Ministre de l'Économie et des Finances.

 

Yann BARTHELEMY
Responsable de Division SI
SOCIETE GENERALE

09h25 : Mot de bienvenue de Yann Barthelemy Président de l'IMA

 

Ludovic GIBERT
Expert Leader Data Science
Natixis

09h30 : Présentation de la journée Data Science et des travaux des DO TANKS : Ludovic Gibert Vice Président de l'IMA - Pilote Do Tank Data Science

 

Guillaume FOURNIER
Co-Head of Datascience Wholesale
Societe Generale

 

Ludovic GIBERT
Expert Leader Data Science
Natixis

 

Guillaume VIMONT
Responsable Data Science & Big Data
Ministère des Armées

 

Aude VINZERICH
Responsable Pôle IA
EDF

09h37 : Présentation du jury et des critères de sélection des use cases: Aude Vinzerich (EDF), Ludovic Gibert (Natixis), Guillaume Vimont (Ministère des Armées), Guillaume Fournier (SGIB)

 

Bruce DELATTRE
Senior Data Scientist
BNP Paribas

 

Pirashanth RATNAMOGAN
Data Scientist
BNP Paribas

09h45 : My banker is in the kitchen : quand la banque se met à la traduction automatique BNP Paribas

La taille et l'activité de BNP Paribas entraînent un besoin grandissant d'échanger des documents en plusieurs langues. Dans le cadre des récentes avancées en deep learning, BNP Paribas CIB s'est doté d'un traducteur « fait maison » afin d'adresser ses besoins.



PORTEUR : BNP Paribas CIB



CONTACT : Bruce Delattre, Senior Data Scientist



BENEFICES : Sécurité, confidentialité, meilleure qualité par spécialisation, gain en efficacité opérationnelle, réduction des coûts, API-sation.



CHALLENGES : Mise en production de réseaux de neurone, puissance de calcul, données non structurée, évangélisation, monétisation interne.



RECOMMANDATION : DevOps, Try & Learn avec les utilisateurs, Spécialisation grâce aux données internes.



MATURITE : REALISATION



PARTENAIRES SOLLICITES : Cloud interne. Equipes internes.



PARTENAIRES RETENUS : Cloud interne. Equipes internes.



DATE DE PRESENTATION : Janvier 2017 - Janvier 2019

 

 

Robin JOGANAH
Data Scientist
Euro-Information (Crédit Mutuel)

10h05 : Assistant de recherche - point d'accès unique aux assistants virtuels

La mise en place d'assistants virtuels dans un contexte multi-domaine nécessite l'introduction d'un classifieur thématique en amont des assistants dédiés.



PORTEUR : Crédit Mutuel Alliance Fédérale



CONTACT : Florian Miconi, Responsable de domaine



BENEFICES : Expérience utilisateur : il n'est plus nécessaire de choisir explicitement le domaine afférant à une question avant de la poser. C'est également une opportunité pour regrouper tous les modes de recherche de réponse (moteur de recherche et assitants virtuels) dans une même interface.



CHALLENGES : La maintenance d'un classifieur chapeau présente des contraintes en termes du nombre de domaines gérés et pour sa maintenance. La gestion du changement est également un point d'attention particulier, le nouveau workflow doit être bien compris pour éviter les retours négatifs.



MATURITE : REALISATION



PARTENAIRES SOLLICITES : Aucun, utilisation d'assets open-source.



DATE DE PRESENTATION : 2018

 

 

Marc LEOBET
Chargé de Mission
MINISTERE DE LA TRANSITION ECOLOGIQUE ET SOLIDAIRE

10h25 : Machine learning pour l'urbanisme - SmartPLU

Comment simplifier l'accès aux règles d'urbanismes ? Elles sont décrites dans les PLU, en PDF. A partir de 1840 documents, par machine learning, nous avons produit trois prototypes en cours d'industrialisation : base de données nationale interrogeable, fiches par zone, modèle 3D à la parcelle.



PORTEUR : Ministère de la transition écologique et solidaire



CONTACT : Marc LEOBET, Chargé de mission



BENEFICES : La modélisation des règles d'urbanisme permet d'évaluer la mise en oeuvre de cette politique sur tout le territoire. Il facilitera l'accès d'une partie du droit à la parcelle, produira des gains de productivités dans les services et ouvre la voie à des services à valeur ajouté publics et privés.



CHALLENGES : Comment clarifier qu'il ne s'agit que d'une partie du droit à la parcelle et pas de sa totalité? Comment qualifier la qualité du produit? Surtout, comment donner confiance aux décideurs pour prendre le risque d'ouvrir un service dont ils ne maîtrisent pas ou ne comprennent pas le processus ?



RECOMMANDATION : Avoir au moins un cas qui justifie l'investissement de l'industrialisation, cibler d'abord un domaine restreint pour donner confiance, avoir un résultat validé, puis des idées poussées par le métier.



MATURITE : REALISATION



PARTENAIRES RETENUS : Institut national de l'information géographique et forestière;



CRITERES : Il disposait d'un produit de recherche, un système de modélisation 3D d'immeuble à la parcelle en fonction de certaines règles d'urbanisme codées manuellement. L'alliance permet d'imaginer un service déployable à faible coût sur toutes les zones denses pour estimer les potentiels de construction.



ELEMENTS SAILLANTS : A ma connaissance, première mise en production d'un résultat d'IA dans un ministère civil français.



DATE DE PRESENTATION : 2018

 

 

Dominique BARTHOUX
Smart Assets Europe IT Director
UNIBAIL-RODAMCO-WESTFIELD

 

François BECHET
Référent Innovation SNF
CA-CF

 

Emmanuel COX
Digital Transformation Officer
SNCF

 

Chabane DEBICHE
Deputy Group CIO
LA BANQUE POSTALE

 

Christophe GROSBOST
Directeur du Développement Stratégique
IMA

 

Sasun SAUGY
Chargé de mission infra et innovation
MINISTERE DE L'ECONOMIE & DES FINANCES

10h45 : Présentation de l'IMA et ses services: Christophe Grosbost ( IMA) Sasun Sagy (MEF) Jean Francois Duroch (Technip) Francois Bechet ( CA CIF) Dominique Bartoux (Unibail Rodamco Westfield)

11h00 : Pause Café

 

CEDRIC HUBERT
Director of Enterprise Sales Europe
ABBYY

11h30 : ABBYY Content IQ : l'IA au service de votre transformation numérique

ABBYY est un leader mondial spécialisé dans les solutions de Content IQ, avec une forte culture de l'innovation.

Nous sommes convaincus que l'intelligence fondamentale de l'entreprise est recelée dans les contenus non structurés. Chaque jour, nous nous efforçons de libérer le sens et l'intelligence qui se cachent dans les contenus de l'entreprise, afin que nos clients soient mieux à même de mener à bien leurs missions respectives, et au final de gagner en efficacité commerciale.


 

Marc CABOCEL
Startup Solutions Architect
AMAZON WEB SERVICES

11h35 : Machine Learning @ AWS

You want to improve your business with Machine Learning?  You should attend this session to learn how AWS can help you!


 

VINCENT DE STOECKLIN
Solutions Architect
DATAIKU

11h40 : Dataiku - En route vers l'Enterprise AI

Dataiku est une plateforme d’Analytique et de Data Science centralisée qui accompagne les organisations dans leur transition vers l’intelligence artificielle d’ entreprise.Cette plateforme unique réunit à la fois les experts data et les métiers, fournit des  référentiels des meilleurs pratiques/modèles et offre des outils innovants pour la gestion et le déploiement du Machine Learning et de l'IA. Avec cet environnement centralisé et contrôlé, Dataiku est un véritable catalyseur pour les entreprises qui veulent se repenser autour de la donnée.


 

Jean-François DESSAUX
President & CEO
Dynacentrix

11h45 : Diagnostic Data & AI


Valorisez vos données avec le Diagnostic Data Intelligence Artificielle !

Le Diagnostic Data Intelligence Artificielle, c’est une prestation d’accompagnement et de conseil délivrée par un consultant Dynacentrix expert en Data Science et Machine Learning (PhD ou Master of Science) . L'objectif : vous permettre d’identifier de nouveaux axes de croissance et d’innover à partir de l’exploitation des datas générées par votre activité ou celle de vos clients afin de trouver un quickwin dans le but de passer en production vos rapports prédictifs.



 

Vincent BONNOT
Directeur Commercial - Europe du Sud
H2O

11h50 : Driverless AI: Un "Data Scientist in-the-Box"

Driverless AI est une solution unique sur le marché, qui utilise le calcul haute performance pour résoudre les problèmes les plus compliqués de la Data Science, incluant le Feature Engineering, le tuning et stacking des modèles, le déploiement du scoring low-latency.

Un Data Scientist in-the-Box pour développer plus de modèles en moins de temps, et répondre aux défis de la data science, qui est la pénurie de talents, le temps de l'implémentation des modèles, et la confiance dans les modèles (l'explicabilité des modèles).

H2O Driverless AI s'installe on premise ou dans le Cloud.


 

Lise AMAURY
Senior account manager
NVIDIA - APY

11h55 : NVIDIA, Leader mondial pour l'IA, est présent pour vous accompagner dans la réalisation de vos projets d'IA et à exploiter vos données

Les solutions pour le deep learning: plateforme DGX avec NVIDIA GPU Cloud, des containers optimisés pour vos développement Deep learning et Machine Learning (grâce aux Librairies open source RAPIDSai) ainsi que des architectures DGX POD pour le déploiement à grande échelle. Nous pouvons aussi vous aider à developper vos compétences grâce aux formations DLI (Deep Learning Institute)


 

Christian LANGEVIN
Directeur Général
QWAM CONTENT INTELLIGENCE

12h00 : QWAM Text Analytics : Intelligence artificielle et sémantique pour l'analyse des données textuelles

Editeur de solutions logicielles de valorisation de l’information textuelle via ses technologies sémantiques et IA, QWAM est spécialiste des problématiques de gestion, veille et analyse des contenus informationnels. QWAM a notamment développé une gamme de solutions logicielles d’analyse d’informations métier ou web intégrant les technologies sémantiques, du big data et de l’intelligence artificielle. QWAM propose des solutions dédiées au traitement, à l'enrichissement et l'analyse de données textuelles métier ou web, à l'analyse d’avis clients, opinions...

 


 

Simon DEVARADJA
Artificial Intelligence Consultant
EDF

12h05 : Nexus One : Gestion des certificats d'économie d'énergie

L'application Nexus One a pour objet de permettre une meilleure gestion des certificats d'économie d'énergie (CEE) qui sont cédés à EDF SEI via leurs partenaires (entreprises du bâtiment, de rénovation, ...).



PORTEUR : EDF



CONTACT : Simon Devaradja, Expert IA



BENEFICES : - Gain de temps - Fidélisation du dispositif de validation des dossiers



CHALLENGES : - Faciliter la transmission des dossiers à EDF SEI pour un partenaire, - Vérifier que les dossiers transmis sont bien éligibles et complets, pour EDF SEI.



RECOMMANDATION : Un système composé d'une brique de reconnaissance de caractère (OCR) et de règles métiers pour traiter les différent document d'un dossier et le valider ou remonter les erreurs rencontrées.



MATURITE : REALISATION



PARTENAIRES SOLLICITES : Développement interne à EDF, avec des outils Open Source ( Tesseract, etc. )



PARTENAIRES RETENUS : _



CRITERES : °



ELEMENTS SAILLANTS : _



DATE DE PRESENTATION : 01/10/2019

 

 

Joel Oscar DOSSA
Data Scientist
MINISTERE DES ARMEES

12h25 : Forecasting, expectation versus reality

Le challenge s'inscrit dans le cadre du projet DATANRJ 360° initié par la Mission Achats (MA) et le Ministère des armées avec la MAP (Mission d'Aide au Pilotage). L'objectif du projet étant de proposer des solutions innovantes pour améliorer les stratégies d'achats d'énergies.



PORTEUR : Ministère des armées (MAP) LABO BI & Big Data



CONTACT : Joel-Oscar Dossa, Datascientist



BENEFICES : - Optimisation des ressources énergétiques. - Outils plus performant - Retour d'expériences sur les différents modèles de prévisions. - Retour d'expérience sur les besoins, la réalité et les résultats.



CHALLENGES : Profiter de l'historique de données Proposer un algorithme permettant de prédire la future consommation d'un capteur sur une période de 1 an à un pas de 10 minutes. Proposer de nouveaux outils basés sur les réseaux de neurones à base de RNN/ LSTM-GRU/ Encoder-Decoder/ CNN et facilement actualisables



RECOMMANDATION : - Bien définir le besoin en amont - Tester différentes architectures des modèles - Bien définir les processus d'entrainement - Benchmarker un ensemble d'algorithme pour se faire une idée des optimisations possibles.



MATURITE : POC



DATE DE PRESENTATION : 27/05/2019

 

 

Florence JODAR
Data Scientist
GRT GAZ

12h45 : Détection automatique d'objets sur des images pour la surveillance aérienne des réseaux de transport de gaz naturel

Amélioration de la surveillance aérienne des réseaux à partir de détection automatique de situations à risque à proximité des réseaux. L'algorithme Single Shot Detection permet de repérer la présence de pelleteuse sur des photos prises d'avion.



PORTEUR : GRTGAZ



CONTACT : Florence Jodar, Data Scientist



BENEFICES : Amélioration de la sécurité avec une détection automatique des situations à risque Optimisation du temps de vol



CHALLENGES : détection de petits objets de différentes formes et couleur avec différentes conditions climatiques et netteté d'image



RECOMMANDATION : Disposer d'une base d'apprentissage de taille suffisante pour balayer les différents types de pelleteuses et de situations Utilisation d'algortihme pré-entrainé et de la plateforme Sagemaker d'Amazon



MATURITE : POC



PARTENAIRES SOLLICITES : Un autre POC a été réalisé par la société AEROMAPER à partir de vidéo prises par des drones.



DATE DE PRESENTATION : oct-février 2019

 

 

Ludovic GIBERT
Expert Leader Data Science
Natixis

13h05 : Présentation du programme Data Science 2019

13h10 : Pause Déjeuner

 

Ludovic GIBERT
Expert Leader Data Science
Natixis

14h40 : Restitution du Benchmark Data Science

 

GAEL VAROQUAUX
Researcher
INRIA

14h55 : Update sur Scikit-learn (bibliothèque opensource destinée à l'apprentissage automatique) (by INRIA) : Nouveautés, Roadmap, Ecosystème & Modalités de contribution (Scikit-contrib, Fondation Scikit-learn

 

Pierre CAMILIERI
Data Scientist
Signaux Faibles

 

CHRISTOPHE NINUCCI
Developpeur
Signaux Faibles

 

Stéphanie SCHAER

MINISTERE DE L'ECONOMIE ET DES FINANCES

15h25 : Signaux Faibles : utiliser l'IA et la Data pour anticiper et mieux accompagner les entreprises fragilisées

Intervenir en amont permet de mobiliser davantage d'outils de financements ou d'accompagnements et ceci dès les premiers signes de difficultés. En croisant des données détenues par les administrations et services publics l'algorithme « Signaux faibles » prédit des difficultés à 18 mois.



PORTEUR : Ministère de l'économie et des finances, Direction générale des Entreprises



CONTACT : Stéphanie SCHAER, Adjointe de la délégation aux territoires d'industrie et pilote de la startup d'Etat "Signaux faibles"



BENEFICES : Améliore l'efficacité du service public en intervenant de façon ciblée et au bon moment auprès des entreprises fragilisées. En plus de valoriser la donnée et de décloisonner les services, détecter en anticipation permet une intervention de proximité, proactive et sereine auprès des PME locales.



CHALLENGES : Résolution d'un problème de catégorisation supervisée: famille d'algorithmes basée sur des arbres de décision, fine tuning du feature engineering évalué à l'aide des experts. L'enjeu majeur est également de stocker, héberger et accéder aux résultats en toute sécurité (confidentialité des données).



RECOMMANDATION : La méthode startup d'Etat apporte souplesse et rapidité dans les échanges avec les usagers. Le recrutement d'entrepreneurs d'intérêt général (EIG) aux compétences spécifiques a facilité le développement d'un produit concret adapté aux besoins des agents en poste en région.



MATURITE : PILOTE



PARTENAIRES SOLLICITES : La DIRECCTE Bourgogne Franche Comté en binôme avec les URSSAF régionaux a été à l'initiative de « Signaux faibles », startup incubée à la DINSIC. Des contacts ont été établis avec bon nombre d'administrations ou organismes en charge d'une mission de service public, détenteurs de données pertinentes.



PARTENAIRES RETENUS : La DGE (Ministère de l'économie), l'ACOSS (réseaux des URSSAF), la Banque de France et la DGEFP (Ministère du travail) agissent en partenariat pour partager et exploiter les données au titre de la prévention des difficultés des entreprises. La DINSIC apporte son expertise méthodologique.



CRITERES : Le choix d'être startup d'Etat s'est imposé car « Signaux Faibles » est né d'une intuition qu'il convenait de tester et développer en mode agile. Le soutien technique et méthodologique de l'incubateur de la DINSIC joue un rôle important dans la réussite du projet (ateliers, coaching etc).



ELEMENTS SAILLANTS : 5 administrations et services de l'Etat unissent leurs forces pour relever le défi d'une action anticipatrice et ciblée afin de mieux accompagner les entreprises fragilisées. Savoir utiliser le potentiel du numérique et de la data, pour renforcer l'efficacité des services publics.



DATE DE PRESENTATION : 2017-2019

 

 

Anna KRYSHTOPENKO
Actuaire
NATIXIS

15h45 : Etude de l'attrition en prévoyance individuelle: de la construction de lois à l'interprétation des modèles ML

Modélisation de l'attrition via des méthodes Machine Learning. Puis, application des nouvelles méthodes d'explications des prédictions individuelles en vue de mesurer l'impact des variables explicatives sur la résiliation des assurés, ainsi que d'identifier la typologie des clients résiliés.



PORTEUR : Natixis Assurances - BPCE VIE



CONTACT : Anna Kryshtopenko, Actuaire



BENEFICES : Le risque de résiliation intervient dans les modèles actuariels de projection des flux de trésorerie. Permet d'utiliser des hypothèses qui reflètent au mieux les caractéristiques des portefeuilles afin de répondre aux exigences de diverses réglementations (Solvabilité II, IFRS17,.. ) en la matière.



CHALLENGES : Les classes fortement déséquilibrées



RECOMMANDATION : -



MATURITE : REALISATION



DATE DE PRESENTATION : 2018

 

 

Lionel MASSOULARD
Senior Datascientist et Resp. Scientifique DataScience
SGCIB

16h05 : Findocparser Extracting structured information from document

Develop generic tools for recognizing and extracting information in documents that can be used for different use cases in the bank.



PORTEUR : Societe Generale



CONTACT : Guillaume FOURNIER, Co-Head of Datascience Wholesale



BENEFICES : Improve manual process efficiency, limit input errors. We also developed a set of tools to improve the link with end-users: labeling tool, prediction feedback API.



CHALLENGES : This generic solution that can be adapted to different and varied use-cases. It must work with a relatively small number of labeled documents. Working with PDF documents (using an OCR or not): i.e. "non-linear" text but text arranged in blocks.



MATURITE : REALISATION



PARTENAIRES SOLLICITES : OCR: we can use various OCR like ABBYY and Microsoft Azure Vision API.



PARTENAIRES RETENUS : ABBYY (in house instance) Microsoft Azure Vision API (public cloud API)



CRITERES : Quality of the OCR Cost / scalability



ELEMENTS SAILLANTS : Our detection library work with a limited number of labeled documents. Works with various document formats: real PDF, scanned PDF OCR (Abbyy, Azure). The framework consists of building blocks that can be re-arranged for specific use cases.



DATE DE PRESENTATION : 2018-2019

 

 

Pierre-Henri DARNAULT
Chef de Projet
PRO BTP

16h25 : Détection de la fraude dans le domaine de la complémentaire santé

Analyse des demandes de remboursements après et avant le paiement, pour détecter des fraudes et agir (ne pas payer si on est avant le paiement),avec l'aide de plusieurs technologies: règles, segmentations, modèles prédictifs, profilage.



PORTEUR : PRO BTP



CONTACT : Pierre-Henri DARNAULT, Responsable solution lutte anti fraude



BENEFICES : Fort ROI. Utilisation des cotisations des assurés "à bon escient",



CHALLENGES : Outil capable de détecter la fraude avant le paiement (fonctionne en temps réel) Maintient de l'efficacité du système dans la durée (les fraudeurs s'adaptent)



MATURITE : REALISATION



DATE DE PRESENTATION : Réalisations de 2015 à 2018

 

 

Benjamin SAKAROVITCH
Data Scientist and Methodologist for Official Statistics
MINISTERE DE L'ECONOMIE ET DES FINANCES

16h45 : Recensement et apprentissage : vers un modèle d'IA (Intelligent Administration)

Quel est votre employeur ? demande le recensement. L'INSEE l'identifie ensuite dans le répertoire des entreprises en partie manuellement. Le machine learning doit permettre de remettre l'expertise terrain au coeur de la chaîne en tant que labellisation et non plus en bout de course comme reprise.



PORTEUR : INSEE



CONTACT : Benjamin Sakarovitch, datascientist



BENEFICES : Le projet affinera la connaissance des trajets domicile-travail, enrichira le répertoire Sirene et surtout fournira un exemple du changement de place du travail de reprise manuelle, fourni par des centaines d'agents dans différentes chaînes de production, donnant ainsi plus de sens à ce métier.



CHALLENGES : Le challenge technique est de construire un moteur de recommandation pertinent et s'améliorant en continu en captant les règles métiers qui guident les choix des agents dans l'acceptation des suggestions. S'y ajoute un défi organisationnel et managérial pour accompagner la nouvelle place du métier.



RECOMMANDATION : Derrière le discours d'automation lié à l'IA, un important travail d'annotation est indispensable. Ainsi ce projet doit permettre non pas de substituer l'algorithme aux agents mais de mobiliser l'apprentissage pour reconnaître l'expertise du terrain et en faire le moteur d'une solution intelligente.



MATURITE : POC



DATE DE PRESENTATION : 2019

 

 

Emmanuel COX
Digital Transformation Officer
SNCF

 

Christophe GROSBOST
Directeur du Développement Stratégique
IMA

17h05 : Débrief de la journée

17h15 : Remise des Awards de la Data Science

 

Emmanuel COX
Digital Transformation Officer
SNCF

 

Ludovic GIBERT
Expert Leader Data Science
Natixis

17h30 : Mot de Conclusion et Pot de Clôture

Retour Accueil Contact Mentions légales Twitter Innocation Makers Digital LinkedIn