Le slogan de Dataiku : l’everyday AI, soit la démocratisation de l’intelligence artificielle. La plateforme est ainsi exploitée par des data scientists pour industrialiser les projets. C’est par exemple le cas de Sephora, dont la volonté était d’accélérer le cycle de vie des modèles d’IA.
Ces préoccupations ne sont pas sectorielles cependant. Le secteur de la finance, et en particulier les banques, exprime lui aussi un intérêt croissant pour les solutions d’IA, notamment pour en équiper des citizen data scientists.
Des data scientists recentrés sur leurs fondamentaux
Au sein du Crédit Agricole Normandie-Seine, l’application de Dataiku se destine à deux populations, comme l’explique Pierre Pilet, responsable data science au sein de la caisse régionale.
L’équipe data science développe des projets à valeur autour de la data et de la connaissance du marché. La finalité est cependant d’embarquer dans les data products une capacité de passage à l’échelle.
Dans cette perspective, CATS, la DSI groupe des 39 caisses régionales du Crédit Agricole, a initié une proof of value de la plateforme Dataiku. L’opportunité pour Pierre Pilet de recentrer le rôle du data scientist sur ses fondamentaux, à savoir l’analyse et le développement des usages.
Or, jusqu’à présent, les data scientists devaient se tourner vers des plateformes Hadoop (baptisées Zeus). L’inconvénient : l’obligation pour ces experts de se consacrer à des tâches dévolues en principe à des data architectes et data ingénieurs.
Dataiku doit donc permettre un recentrage du rôle du data scientist, les volets infrastructure et architecture étant confiés à l’éditeur et à CATS. Pour Pierre Pilet, la démocratisation de ces solutions doit contribuer à rapprocher data scientists et métiers.
L’ambition du self-care en data science
Dans un premier temps, la collaboration sur les données portera sur des projets liés par exemple au scoring et à la segmentation. Le responsable data science anticipe une seconde étape : le développement du self-care dans l’usage de la donnée.
Il s’agit ainsi de permettre à des collaborateurs des études, du crédit ou du marketing, par exemple, de gagner en autonomie en s’emparant eux-mêmes de l’analyse de données pour couvrir un premier niveau de besoin.
Cette approche dite de self-care est aussi ambitionnée par la nouvelle entité SG Retail France, fusion depuis le 1er janvier 2023 des réseaux Société Générale et Crédit du Nord. Grâce notamment au low code / no code, son directeur Data & IA, Karim Perdreau entend accroître l’automatisation.
L’objectif est aussi d’éviter de transformer la direction data en goulet d’étranglement, ce qui passe par l’introduction d’une part de décentralisation. L’ambition : fournir des outils sur étagère ou self-service aux lignes métiers.
D’autres acteurs bancaires ont aussi recours à des technologies comme Dataiku pour couvrir les besoins de data scientists et de citizen data scientists. C’est le cas par exemple de La Banque Postale, qui s’appuie sur une organisation data hybride, avec des compétences data en central et dans certains métiers.