Introduction

Derrière chaque solution axée sur les données se cache une compréhension approfondie de la technologie et des défis auxquels les entreprises sont confrontées. Chez AgilyticChristophe Robins, cofondateur d'Agilytic, s'appuie sur une riche expérience en mathématiques appliquées et en intégration de données. Après avoir terminé ses études en mathématiques appliquées à l'UCL, il a commencé chez Deloitte, où il s'est concentré sur les implémentations CRM (Customer relationship management) et a découvert la puissance de l'interconnexion d'une variété de sources de données pour améliorer la productivité et la connaissance des clients. Plus tard, il a rejoint un grand fournisseur de télécommunications, où il s'est plongé dans l'exploration de données pour comprendre ce qui motive la rétention, la fidélité et le désabonnement.

Voyant que la réduction des barrières à l'entrée pouvait profiter à d'autres entreprises que les grandes, Christophe et son collègue Julien ont fondé Agilytic avec un seul principe directeur : résoudre des problèmes réels avec des solutions de données pragmatiques. Ils ont rapidement découvert que de nombreux problèmes commerciaux sont mieux résolus par des solutions simples - parfois sans algorithme avancé - tandis que d'autres nécessitent l'application minutieuse de l'analytique ou de l'IA.

Dans notre podcast, Christophe nous explique comment Agilytic reste pragmatique dans un paysage de l'IA qui évolue rapidement, pourquoi se concentrer sur l'adoption est tout aussi important que de construire le bon modèle, et quels types de projets font vraiment bouger l'aiguille.

Qu'est-ce qui différencie Agilytic des autres sociétés de conseil en données ?

Christophe : Notre première étape est toujours la suivante : "Quel est le problème que vous essayez de résoudre ?" Je vois tellement de cabinets de conseil dire : "Vous avez besoin d'une plateforme de données - commençons par là." Nous ne sommes pas d'accord. Si la solution consiste simplement à automatiser deux fichiers Excel et à joindre les données, faisons-le. Nous sommes pragmatiques. Parfois, cela signifie qu'il n'y a pas d'algorithmes trop complexes - juste la bonne solution pour le problème.

Nous prenons nos distances par rapport à l'idée reçue selon laquelle l'IA doit être appliquée partout. Vous voulez être sûr qu'elle est réellement nécessaire et qu'elle apporte une valeur ajoutée. Agilytic se caractérise par son pragmatisme et sa capacité à résoudre les problèmes. Si la solution la plus simple résout votre problème, nous l'utiliserons. Les solutions trop compliquées peuvent causer des maux de tête plus tard.

Comment suivre l'évolution rapide de l'IA ?

Des choses comme ChatGPT, Deepseek, Llama ou d'autres modèles open-source évoluent fréquemment. Nous les suivons de près, mais nous attendons avant de nous lancer. Nous recherchons une stabilité éprouvée et un réel retour sur investissement. La grande tendance que je perçois est celle d'outils de plus en plus spécialisés et accessibles pour des tâches spécifiques : aide au codage, classification de documents, service à la clientèle, etc.

Il y a également un changement majeur dans le domaine des logiciels libres. Des modèles comme Deepseek et Llama ont déclenché une vague d'innovation en matière de logiciels libres. Aujourd'hui, les organisations pèsent le pour et le contre de l'utilisation d'un service payant comme ChatGPT ou de l'hébergement de leur propre modèle en interne afin d'éviter les frais de licence. Certes, l'infrastructure a un coût, mais vous pouvez mieux la prévoir et mieux sécuriser vos données.

L'état d'esprit "suiveur intelligent" d'Agilyticgarantit que l'équipe adopte de nouveaux outils une fois qu'ils ont prouvé leur valeur dans des scénarios de clients réels.

Quelles sont les principales catégories de projets gérés par Agilytic ?

Nous voyons trois piliers principaux :

1. Performance commerciale: Rétention, fidélisation et marketing. Nous aidons les entreprises à optimiser la manière dont elles conservent et développent leur clientèle, en combinant des données internes avec des informations publiques pour obtenir des profils plus riches.

2. Efficacité opérationnelle: Automatisation des tâches répétitives, réduction des erreurs humaines ou accélération des processus. Il peut s'agir de vérifier des factures, de traiter des réclamations ou même d'optimiser la logistique, comme la commande de pneus sous des contraintes complexes.

3. Performance financière: Consolidation des données pour des rapports plus clairs, rapprochement de différents systèmes ou détection de la fraude. Nous avons conçu des accélérateurs pour repérer les falsifications de documents et signaler les transactions suspectes.

Comment s'assurer que les solutions sont réellement adoptées ?

Une solution qui n'est jamais utilisée est une perte de temps et d'argent. Nous impliquons les équipes du client dès le premier jour - l'informatique, les parties prenantes de l'entreprise, les utilisateurs finaux. S'il s'agit d'une solution de reporting, nous voulons voir comment les gens vont l'utiliser. S'il s'agit d'un modèle prédictif, nous voulons savoir qui agira en fonction de ses prédictions.

Le fait d'impliquer les utilisateurs réels dès le début signifie qu'ils sont plus susceptibles de faire confiance au produit final. Nous organisons également le déploiement de manière à ce qu'il réponde aux normes informatiques de l'entreprise. Vous pouvez avoir un modèle brillant sur l'ordinateur portable d'un spécialiste des données, mais si vous ne pouvez pas l'intégrer dans le flux de travail quotidien, il n'a aucun sens.

Agilytic suit son propre état d'esprit ADOPT afin de limiter les dérives, d'assurer le déploiement et de maintenir l'engagement des parties prenantes du début à la fin.

Avez-vous des exemples de réussite à partager ?

L'une d'entre elles est l'optimisation d'une commande de pneus pour une société de crédit-bail. Deux fois par an, elle passe d'énormes commandes de pneus impliquant plusieurs groupes de marques, différents rabais et des contraintes - trop compliquées pour être résolues manuellement. Nous avons construit un modèle en trois semaines, qui a permis à la société d'économiser 100 000 euros dès la première exécution. Depuis, il est utilisé deux fois par an pendant quatre ou cinq ans, générant régulièrement des économies.

Autre exemple : nous avons assigné des tâches quotidiennes à un back-office de plus de 600 employés. En quelques semaines, nous avons obtenu une preuve de concept. Les utilisateurs ont donné leur avis, nous avons procédé à des itérations et nous avons fini par économiser l'équivalent de deux postes à temps plein rien qu'en termes de temps de programmation. De plus, les employés ont apprécié que nous tenions compte de leurs préférences. C'est une double victoire : des économies et des équipes plus heureuses.

Ces deux exemples illustrent l'accent mis par Agilyticsur les améliorations mesurables grâce à des analyses ciblées et à un développement itératif.

Quels sont les derniers enseignements à tirer pour les dirigeants qui explorent des projets de données ?

Tout d'abord, ne vous laissez pas séduire par le battage médiatique. L'IA ne résout pas tous les problèmes comme par magie. Commencez par dresser la liste des défis auxquels vous êtes confrontés. Quels sont ceux que vous pouvez réellement résoudre à l'aide des données ? S'agit-il de plaintes de clients, d'un goulot d'étranglement au niveau de la production ou d'une facture récurrente ?

Deuxièmement, ne vous lancez pas à corps perdu dans la mise en place de nouveaux systèmes. Un petit projet pilote peut rapidement montrer la valeur réelle et le retour sur investissement. Vous apprenez quelles sont les technologies et les personnes dont vous avez besoin, puis vous évoluez à partir de là.

Troisièmement, il faut impliquer les parties prenantes du projet. Les projets de données doivent être approuvés et clarifiés dès le premier jour, faute de quoi vous risquez d'élaborer des solutions que personne n'adoptera.

Écouter ou planifier un appel

• Vous voulez en savoir plus ? Écoutez l 'épisode complet du podcast et découvrez comment Agilytic guide les entreprises depuis les données jusqu'à l'impact réel.

• Prêt à démarrer votre propre projet de données ? Prenez rendez-vous avec nous. Nous parlerons de vos défis, nous verrons comment les données peuvent vous aider et nous construirons quelque chose de vraiment efficace.