Prendre le pouls de notre planète

Monsieur Vrabel, vous dites sur le site web de votre entreprise que vous prenez le pouls de notre planète et que vous transformez les Big Data en informations commerciales exploitables - comment l'idée vous est-elle venue et quels obstacles avez-vous dû surmonter ?

Frantisek Vrabel : Croyez-moi ou non, mais tout a commencé en 2005. À cette époque, ma précédente start-up, I2S, travaillait sur de grands programmes de réforme dans le cadre de l'assistance militaire étrangère américaine.

Après avoir accompli notre mission, les extensions réussies de l'OTAN en 1999 et 2004, je me suis demandé ce qu'il faudrait faire ensuite. En tant qu'équipe, nous avions une expérience assez vaste dans ce que l'on appelle le domaine C4I (Command, Control, Communications, Computer and Intelligence), qui comprend les systèmes d'information complexes, le Big Data, l'Internet et la découverte de connaissances.

C'est dans ce contexte que j'ai eu l'idée de créer notre système actuel, un système qui offrirait aux multinationales une intelligence réalisable à l'échelle mondiale.

Nous avions déjà terminé la première version du système début 2008, mais nous avons été frappés par la crise financière mondiale cette année-là. Il a fallu plusieurs années pour que les marchés se rétablissent et ressentent le besoin de notre nouveau type de services.

Quelle est la contribution de SAP Startup Focus à cet égard ?

Vrabel : SAP Startup Focus nous a aidés avec le go-to-market, ce qui était essentiel pour nous. Il nous a aidés à être visibles dans l'organisation globale de SAP.

Nous avons été invités à plusieurs reprises à présenter et à expliquer la nature de nos services de données innovants lors de nombreux événements SAP de haut niveau, auxquels participaient également des clients SAP. De cette manière, SAP Startup Focus Semantic Visions a contribué à "éduquer" le marché.

Le big data et le bruit de fond sont des problèmes bien connus. Vous dites maintenant sur votre site web que vous avez craqué le code pour obtenir les informations vraiment importantes. Comment cela fonctionne-t-il ?

Vrabel : Nous collectons, analysons et synthétisons automatiquement 90 % du contenu des actualités en ligne dans le monde, soit plus d'un million d'articles uniques par jour. De cette manière, Semantic Visions exploite la "longue traîne" d'Internet et est en mesure d'exploiter efficacement ses systèmes d'alerte précoce.

Semantic Visions n'est pas un moteur de recherche, mais un moteur de détection. Il y a une différence majeure entre les deux capacités, que beaucoup de gens ne reconnaissent pas correctement. Vous pouvez difficilement utiliser Google pour rechercher l'inconnu, mais vous pouvez utiliser Semantic Visions de manière productive pour détecter des événements que vous ne connaissez pas à l'avance.

Il est important d'inclure autant de sources que possible afin d'augmenter les chances que la question d'intérêt soit reconnue au moment où elle se produit. D'autre part, plus on traite d'informations, plus l'entropie augmente.

La distinction entre les signaux critiques et le bruit non pertinent est obtenue en plusieurs étapes. La plus importante est l'analyse sémantique, dans laquelle la précision, la granularité et une puissante multidimensionnalité jouent des rôles essentiels.

La phase finale comprend alors un processus appelé Big Data Semantics, qui n'est "rien d'autre" que l'analyse sémantique au niveau multidocument et multilingue. Simple à dire, mais difficile à mettre en œuvre.

Quel est le rôle de Hana et de Leonardo dans ce contexte ?

Vrabel : La sémantique des données volumineuses est précisément la scène où Hana entre en jeu. Permettez-moi d'être spécifique ici. La phase précédente d'analyse sémantique est réalisée par notre propre technologie inégalée et sans Hana, car l'analytique textuelle existante dans SAP Hana pour ce type de tâche n'est pas applicable.

Pour le niveau "Big Data Semantics", nous utilisons la vitesse inégalée de Hana, où nos algorithmes sophistiqués travaillent avec des métadonnées de haute qualité, ou des données intelligentes, si vous préférez - les résultats de la phase d'analyse sémantique.

Nous pressons les "fruits de l'information" encore et encore jusqu'à ce que nous obtenions le type de "jus" dont nous avons besoin - l'intelligence réalisable en ce qui concerne des millions d'entreprises.

Nous le faisons sur une base continue et en temps réel. En ce qui concerne Leonardo, je crois à une collaboration bilatérale équilibrée. Je n'ai aucun doute sur le fait que l'entreprise Semantic Visions pourrait profiter de l'IA de Leonardo et que, d'un autre côté, Leonardo pourrait profiter du corpus absolument unique de Semantic Visions. Ce corpus se compose de plus de deux milliards de documents avec des centaines de milliards de métadonnées connexes.

Si vous deviez reprendre un point de votre plate-forme, quel serait-il ?

Vrabel : Eh bien, l'originalité réside dans l'ensemble de notre solution. Il n'y a personne sur le marché qui soit capable de fournir une détection efficace des risques dans un large éventail de menaces et par rapport à des millions d'entreprises et de géolocalisations en temps réel.

Lorsqu'on regarde vos produits, les mots clés "risque" et "système d'alerte précoce" apparaissent souvent. Quelle est la précision de vos calculs de risques et quelles sont les données utilisées à cet effet ?

Vrabel : Techniquement, nous ne faisons pas de prédictions, mais philosophiquement, nous en faisons. Ce qui se passe dans le monde, nous le voyons dans la plupart des cas à travers les médias et autres canaux de communication.

S'il arrive que notre solution vous alerte sur un événement particulier, par exemple sur la "détérioration de la situation financière" de l'un de vos fournisseurs ou sur des "menaces émergentes" dans une zone géographique qui vous intéresse, et ce avant que vous n'en preniez conscience par vos moyens habituels, alors les prédictions de l'avenir sont exactement ce que nous faisons.

Et puis, il faut prendre en compte un autre aspect. En tant qu'êtres humains, nous avons des capacités plutôt limitées pour percevoir toutes les informations disponibles, surtout lorsqu'il y en a vraiment trop.

Un être humain peut difficilement garder en tête une représentation mentale de dizaines de milliers d'entreprises fournisseurs, mais un ordinateur y parvient. Le système d'alerte précoce de Semantic Visions a été conçu pour répondre aux besoins des grands groupes, pour leur fournir un environnement d'information. Pour qu'ils ne restent pas aveugles, comme c'est souvent le cas. Pour ce travail, nous utilisons des données disponibles publiquement à une échelle massive, comme je l'ai déjà mentionné.

Quelles conditions préalables les clients doivent-ils remplir en ce qui concerne leurs propres données, leur infrastructure et leurs systèmes et logiciels informatiques ?

Vrabel : Il n'y a pas d'autres exigences particulières que d'être un client de SAP Ariba. Les solutions de Semantic Visions sont entièrement intégrées dans le plus grand réseau de commerce d'affaires au monde.

Nous pouvons qualifier de DaaS le service que Semantic Visions Service fournit à SAP Ariba. Le même modèle s'applique au domaine du risque de crédit, où nous collaborons avec la société Deloitte.

Quels sont les délais de mise en œuvre auxquels les clients potentiels doivent s'attendre et quel soutien proposez-vous à cet égard ?

Vrabel : Dans ce cas, nous nous appuyons sur SAP Ariba, car notre solution est totalement intégrée. Mais techniquement, de notre point de vue de Semantic Visions, nous commençons à livrer les données dans les 24 heures suivant la réception de la demande de SAP Ariba.

L'IoT et le big data sont désormais manifestement les grandes tendances de l'informatique pour l'avenir prévisible - quelles sont donc les prochaines étapes pour Semantic Visions ?

Vrabel : C'est sans aucun doute l'IA (intelligence artificielle). Nous investissons dans ce domaine à grande échelle.