Big data : zoom sur les usages et les applications

« En 2012, le Big Data en France, c'était d'abord comment ça marche ? En 2013, c'était aidez-nous à trouver des cas d'utilisation ! Et en 2014, nous avons quelques cas d'utilisation et les clients veulent aller plus loin dans les projets pilotes », lance Laurent Ridoux, responsable big data chez HP. Contrairement aux Etats-Unis où les projets big data sont en cours d'industrialisation, en France (à l'exception de précurseur comme le Crédit Mutuel, c'est à partir de l'année dernière que nous avons commencé à voir les banques, les grands acteurs des télécommunications, la grande distribution, le tourisme et le secteur du e-commerce s'intéressaient aux solutions big data. « Pour avoir une vue à 360 degrés de leurs clients, la France est effectivement très en retard dans le traitement des données. Mais ça bouge, Orange, par exemple, a signé un partenariat avec le Comité du tourisme Côte-d'Azur pour analyser les déplacements et les comportements des touristes afin de mieux les orienter dans leurs choix (accueil, hôtels, restaurants, achats, etc.) ou encore EDF qui déploie ses compteurs intelligents », cite Emmanuel Brochard, responsable des ventes de Pentaho en France. Précisons que Pentaho, présent sur le salon Big Data les 1er et 2 avril au CNIT à La Défense, a d'ailleurs invité l'un de ses clients TravelTaiment (société du groupe Amadeus qui propose une plateforme permettant de comparer les offres de voyage en ligne mais aussi celles des agences) à venir témoigner sur le traitement des données dans un projet de big data. En effet, pour accélérer l'analyse des données et fournir un meilleur service à ses clients, TravelTaiment a déployé Pentaho Business Analytics. Résultat : un traitement deux à trois fois plus rapide dans la génération de rapports clients.

Des projets concrets...

Autre exemple, celui de Conexance, une société spécialisée dans le marketing digital créée en 2006 et qui a mis au point une base de données mutualisée à destination des enseignes qui ont des relations à distance avec leurs clients. Cette base centralisée contient 300 bases d'enseignes (environ 700 millions de transactions), lesquelles contiennent toutes les données clients. Ainsi, Conexance peut accompagner ces enseignes, via des modèles prédictifs, dans des phases de conquête et de fidélisation de nouveaux clients. La société a donc déployé Visual Analytics de SAS pour faire tourner plus rapidement les modèles d'exécution et pour fournir à ces enseignes une connaissance plus approfondie de leurs clients finaux. Conexance va plus loin que le simple reporting, l'objectif est de rendre les données issues de ces différents reporting plus opérationnelles pour que derrière les enseignes puissent créer de nouvelles opportunités.

...mais encore sensibles et confidentiels 

On le voit les projets autour du big data se multiplient en France, l'un des plus médiatisés étant celui de Criteo, le spécialiste du ciblage publicitaire qui s'était livré, lors des Techdays 2013, à expliquer ses problématiques liées à la fois au volume (un trafic quinze fois plus important que celui d'eBay chaque jour) et au temps réel (création de bannières en 6 millisecondes en tenant compte des actions antérieures de l'internaute). Pour mener à bien son activité, Criteo a donc déployé une plateforme Hadoop associée à HP Vertica (traitement massivement parallèle) et la technologie In-memory pour gérer des gros volumes. Ces quelques témoignages (voir partie 4 pour le cas du groupe Le Nouvel Observateur) que nous avons pu remonter dans notre enquête restent assez rares. Et pour cause, selon Laurent Ridoux, les projets sont encore très sensibles en France. De plus, le responsable du big data chez HP admet que si les projets sont plus nombreux en dehors de notre pays, notamment aux Etats-Unis ou en Angleterre, cela s'explique aussi par un cadre réglementaire français sur la protection des données bien plus contraignant par rapport à certains pays.

«En moyenne, si nous prenons les projets déjà en place depuis 18 à 24 mois dans les entreprises américaines, les solutions big data ont permis à ces entreprises des gains de performances de 15 à 20% », admet Xavier Guérin, responsable France de MapR Technologies, l'un des pionniers de la distribution Hadoop (avec Hortonworks et Cloudera). Car l'objectif du big data, au-delà de la volumétrie conséquente des données, est la rapidité à laquelle les données vont être traitées ; être le plus proche du temps réel. Pour Xavier Guérin, tous les clients potentiels qu'il rencontre sont limités avec des outils actuels (bases de données clients), « Les solutions traditionnelles ne savent pas faire de l'analyse en temps réel ». Un avis que partage Eric Biernat, responsable big data analytics chez Octo Technology, qui ajoute que les systèmes IT en place ne suffisent effectivement plus pour absorber les données qui sont générées.

« Avant, on bâtissait des systèmes qui fonctionnaient bien dans des limites acceptables, aujourd'hui, nous assistons à une spécialisation des systèmes. Et ce sont les géants du Web qui ont impulsé le big data. Le big data est ainsi à la fois une problématique de stockage et de computing, ça vient de Google et de Yahoo, il faut conserver un temps de recherche instantanée et gratuit. Quant au temps réel, il correspond au transactionnel et à l'évènementiel. Par exemple, Twitter est dans cette logique comme EDF et ses nouveaux compteurs intelligents. D'autre part, il faut bien prendre aussi en compte les limites du stockage, notamment celles liées aux entrées sorties. Le stockage n'a fait qu'augmenter, il a été multiplié par 100 000 en 30 ans, le débit a également augmenté mais de 1 à 100 Mbits en moyenne, donc seulement 100 fois plus ! Aujourd'hui, je mets donc 1 000 fois plus de temps pour traiter des données à cause des goulets d'étranglement, cela pose problème », explique Eric Biernat.

A chacun sa stratégie

Pour s'approcher du temps réel, des solutions techniques existent, certains mettent par exemple l'installation de plateformes et de cellules Hadoop (data lake) qui apportent performance et évolutivité à des coûts moindres (500 € par Go en moyenne contre 5 000 à 7 000 € par Go pour une solution propriétaire). D'autres comme SAS misent sur la data visualisation et cette approche de faire monter les données en mémoire comme l'application SAS Visual Analytics développée en avril 2012 et qui aurait déjà séduit 1000 entreprises dans le monde dont une quarantaine en France selon l'éditeur. « SAS Visual Analytics renferme une technologie capable de faire monter les données provenant de bases traditionnelles en mémoire pour accélérer les processus d'analyse. Nous ne sommes pas obligés de changer une infrastructure existante pour faire de l'analyse de données », souligne Jérôme Cornillet qui précise malgré tout que le temps réel n'est pas forcément une obligation en soi. D'ailleurs, le porte-parole de SAS n'hésite pas à citer l'anecdote sur les chiffres du chômage faussés en septembre dernier. S'adapter sur un système existant et faire du temps réel sont aussi les messages que souhaite faire passer l'éditeur Pentaho avec son application Business Analytics. Pour cela, l'éditeur met, par exemple, en avant la technologie de blending data qui mélange des données traditionnelles et des données non structurées provenant de bases de données de type No SQL. « La mise en oeuvre de notre technologie permet de prendre rapidement des décisions. Nous sommes ainsi capables de fournir une offre facile d'intégration avec des projets en production en moins de 8 semaines », avance Emmanuel Brochard.

Prendre en compte la véracité des données

IBM, de son côté, relève deux défis aux big data, le temps réel et la véracité des données. « Concernant le temps réel, nous y répondons avec le stream computing qui permet l'analyse de volumes massifs de flux de données en continu avec des temps de réponse inférieurs à la milliseconde. Cette technologie s'adapte aux systèmes existants et va également capter les informations issues de la blogosphère ou de la twittosphère. Elle est utilisée dans le secteur de l'industrie, le médical et dans l'automobile. Bien sûr, nous proposons aussi, à l'instar de SAP HANA, IBM Blue, une technologie basée sur l'in-memory dont le but est de charger en mémoire les données à analyser pour un traitement plus rapide », détaille Patrice Poiraud, directeur de l'activité big data et analytique au sein d'IBM. Hormis ce défi du temps réel, Big Blue insiste sur la véracité des données car, selon Big Blue, un décideur sur trois ne fait pas confiance aux données sur lesquelles il se base pour prendre ses décisions. « Comment pouvez-vous vous appuyer sur une information si vous n'avez pas confiance en elle ? Aujourd'hui, on ne peut pas faire grand-chose contre les personnes qui fournissent de fausses données. De plus, il faut pouvoir analyser la donnée dans son contexte, elle n'a pas la même signification en psychologie, dans l'automobile ou encore dans les mathématiques d'où l'importance de l'informatique contextuelle », défend Patrice Poiraud.

D'ailleurs, le responsable d'IBM n'hésite pas à mettre en avant l'exemple de Watson, ce superordinateur (système massivement parallèle d'analyses sémantiques et statistiques) capable de produire des algorithmes pour comprendre la corrélation des données. C'est notamment le cas de l'université de l'Ontario. En effet, les chercheurs développent un service fondé sur le cloud utilisant l'analytique en continu qui permettra de prévoir l'état de santé des gens, particulièrement des enfants prématurés, de 24 à 72 heures avant l'apparition des symptômes comme les maladies nosocomiales par exemple. Pour accélérer les traitements, HP, pour sa part, mise sur la complémentarité de sa plateforme Haven (Hadoop + Autonomy + Vertica + Enterprise security + n applications) qui a pour vocation de traiter tous les cas d'usages (M2M, problématiques autour des données structurées, non structurées, etc.). « Je suis d'ailleurs assez impressionné par la capacité à traiter rapidement d'énormes quantités de données de Vertica, notre base massivement parallèle », prend pour exemple Laurent Ridoux, responsable big data chez HP qui note toutefois la rupture technologique qu'entrainent toutes ces solutions dans l'entreprise. « L'adoption de ces nouvelles technologies va prendre du temps. Il faudra mettre en place des règles d'architecture et des outils pour les administrer », conclut-il.

Selon le cabinet de recrutement Kforce qui a dressé une liste des principaux profils recherchés, les datascientists constitueraient une nouvelle catégorie de professionnels capables de mettre en oeuvre les techniques d'organisation de données dans des applications métiers et de repérer ainsi les tendances vers de nouvelles opportunités dans les entreprises. Un point de vue que partage Eric Biernat, responsable big data analytics chez Octo Technology (Octo qui compte 5 datascientists dans son équipe big data) qui compare même la datascience à un nouveau modèle marketing. « Avec les big data, il y a énormément de choses à réinventer. Prenons les géants du web, ce sont des pros du marketing, ils ont su supplanter le marketing traditionnel, ils connaissent tout sur vous et savent comment vous vous comportez. Un exemple, celui de Google, en créant Gmail, Google oblige les gens à s'authentifier, de ce fait, ils transportent avec eux leur consommation web. Je dirai qu'aujourd'hui Google a su inventer une nouvelle monnaie, c'est la donnée. Il faut donc des datasicentists dans les entreprises pour comprendre ces nouveaux comportements. Le datascientist est aussi un mathématicien, il est capable d'établir un algorithme, de comprendre les idées et les implanter d'un point de vue IT », souligne Eric Biernat qui admet toutefois que la datascience n'est pas encore en phase d'industrialisation mais plutôt dans une étape de « prototypage ».

Des concours en ligne pour les datascientists

La majorité de nos interlocuteurs reconnaissent qu'il n'y a pas, pour l'heure, suffisamment de datascientists formés en France mais les initiatives se multiplient à l'image d'IBM. « Nous avons travaillé avec HEC sur la création d'un master spécialisé, la France est un pays de mathématicien, il suffit de structurer les filières. Chez IBM, nous avons aussi mis en place une université en ligne avec Bigdatauniversity.com », indique Patrice Poiraud, directeur de l'activité big data et analytique chez IBM. À l'instar d'IBM, Pentaho est très actif dans la formation de datascientists, notamment auprès de ses partenaires intégrateurs. Cette formation peut aussi passer par les Mooc (ces cours en ligne ouverts à tous) dispensés par les grandes écoles et les universités. Eric Biernat a d'ailleurs suivi l'un de ces Mooc. Résultat, il s'est pris à concourir sur des sites spécialisés comme Kaggle (www.kaggle.com) aux États-Unis ou Datascience (www.datascience.net) en France. L'objectif de ces sites est de récompenser par de l'argent les meilleurs projets de datascience que les entreprises soumettent. C'est un simple jeu concours pour lequel il faut trouver le meilleur modèle

« Chaque mois, plus de 7 millions de lecteurs uniques (ndlr : renvoyant aux sources de Médiamétrie) consultent nos articles sur nos différents canaux qu'ils soient mobiles, web ou encore sociaux avec de plus en plus d'interactions avec les réseaux sociaux. De plus, toute notre matière première (ndlr : production d'articles) qui interagit avec des photos et des vidéos génère énormément de volumétrie. Face à ces constats, notre objectif était de faire converger tous ces facteurs et d'avoir une connaissance plus approfondie de nos lecteurs abonnés ou anonymes pour mieux comprendre leurs centres d'intérêt afin de leur proposer des expériences de navigation personnalisées », explique Morvan Boury, directeur marketing digital du groupe le Nouvel Observateur. Pour rapprocher ses lecteurs à un contenu plus personnalisé, le groupe se devait donc d'interpréter la donnée le plus rapidement possible. « Notre difficulté est que cette donnée, hormis nos abonnés, n'est pas forcément déclarative étant donné l'anonymat de nos lecteurs contrairement à une donnée client d'un site d'e-commerce qui, elle, est bien identifiée. Nous sommes respectueux de la vie privée de nos lecteurs, nous travaillons donc sur la collecte de données anonymes afin de leur proposer un éventail de services correspondant à leurs attentes. Nous sommes donc plus dans une approche de personnalisation par rapport à leur déclaration », résume Morvan Boury.

Des applications ouvertes et des équipes à l'écoute

Le groupe de presse a donc décidé, à la fin de l'année 2012, de réaliser ce saut opérationnel dans le marketing digital et a choisi la société de services Micropole pour déployer deux applications d'IBM Digital Marketing Optimization et Marketing Center. La première permet ainsi de dresser de façon anonyme des profils précis de chaque internaute en fonction des articles consultés, des préférences des lecteurs et de leur comportement de navigation. Quant à la deuxième, elle fait office de gestion de campagne multicanale personnalisée. Ainsi, IBM Marketing Center peut personnaliser, en temps réel, le contenu des sites web et mobiles mais aussi celui des newsletters et des différents messages, en fonction des centres d'intérêt des lecteurs. « Nous avons trouvé intéressante cette approche analytique et qui ne concerne pas seulement nos abonnés mais aussi des lecteurs anonymes qui viennent très souvent sur nos sites. Avec IBM, nous avons finalement bénéficié d'une solution globale robuste, modulaire et ouverte, capable de s'intégrer et de s'interfacer avec nos autres applications », admet Morvan Boury. Micropole, partenaire IBM de longue date, a, à ce titre, apporté son savoir-faire CRM en assurant le conseil en amont et l'intégration de la solution avec les systèmes du groupe Le Nouvel Observateur. Hormis les fonctionnalités des applications d'IBM, le Nouvel Observateur a apprécié le travail collaboratif avec les équipes d'IBM avec des réunions régulières et leur sens de l'écoute. « Nous avons eu cette sensation d'être d'abord considérés comme un partenaire et pas seulement d'être perçus comme un cobaye », reconnaît le directeur marketing digital du groupe.

Une vision à 360° des lecteurs

Peu de modifications ont été apportées sur l'infrastructure existante, la solution proposée par IBM, accessible en mode SaaS, est venue s'interposer sur l'infrastructure du groupe de presse via des développements spécifiques (web services et modules complémentaires). Morvan Boury précise que les équipes techniques du groupe ont été associées à celles du marketing digital, ces dernières étant leader sur le projet. Notons que le groupe le Nouvel Observateur ne communique pas sur les coûts liés à ce déploiement.

Un an après ce projet, le bilan est plutôt positif pour le groupe de presse puisqu'il dispose d'une vision globale de ses lecteurs (anonymes et abonnés). Selon le responsable du projet, les équipes peuvent analyser assez finement les comportements des lecteurs avec pour résultat un taux d'inscription aux newsletters qui a par exemple bondi de 25%. « Notre premier bénéfice est d'apporter à nos lecteurs des services exclusifs dans l'éditorial mais aussi dans les domaines commercial et marketing, il nous faut avant tout pérenniser le lien que notre groupe a tissé avec ses lecteurs », conclut Morvan Boury.

En France, ce sont surtout les projets liés à la culture et au patrimoine qui exploitent les avantages du web sémantique dans des problématiques de big data. C'est notamment le cas de la PME Electre, une filiale du Cercle de la librairie, le syndicat patronal français des industries du livre (rassemblant des libraires, des éditeurs et des bibliothécaires). En effet, Electre, qui compte plusieurs activités dont le site web electre.com (10 000 utilisateurs qui réalisent 2 millions de requêtes chaque jour et ont accès aux informations sur 1 400 000 ouvrages, 450 000 auteurs et 17 000 marques et sociétés), la publication du magazine Livres Hebdo (8 000 abonnés) et le site www.livreshebdo.fr (qui contient 250 000 objets rédactionnels), faisait face à un enjeu de taille. « Comme de nombreuses PME qui ne disposent pas forcément en interne de beaucoup de compétences IT, nous nous devions, d'une part, d'urbaniser notre système d'information en disposant de toutes les données produites pour ne plus avoir, par exemple, diverses bases ou fichiers Excel que chacun gérait dans son coin. Et d'autre part, de rendre interopérable ces données pour les relier et les rendre disponibles, décloisonner les silos de données existants et pouvoir y agréger des données externes, comme celles provenant de Wikidata ou de la Bibliothèque Nationale de France sur data.bnf.fr », détaille Pierre Boudigues, directeur de la bibliographie et directeur des projets et systèmes d'informations chez Electre.

Mise en place d'un entrepôt de données

La PME a donc décidé de déployer la solution Antidot Information Factory (AIF) éditée par Antidot en créant une base de données centralisée sans toucher aux applications métiers et aux données associées. Cet entrepôt de données est accessible à tous les composants du système d'information via un entrepôt RDF (Resource Description Framework qui est un modèle de graphe développé par le W3C) selon l'approche Linked Enterprise Data. Précisons que le modèle RDF (utilisé par la BNF entre autres) est le langage de base du web sémantique dont l'objectif est de mettre en relation des informations internes avec des informations externes provenant de sources diverses et de créer ainsi du lien entre les institutions, chacune enrichissant ses propres données avec les données mises à disposition par les autres. Pour simplifier, en utilisant cette technique, les données d'Electre et celles provenant de l'extérieur peuvent s'interconnecter les unes aux autres. 

Déjà un vrai résultat opérationnel

« J'ai trouvé dans la solution proposée par Antidot, une technologie prête à l'emploi qui répondait à nos besoins. Aujourd'hui, nous avons déjà un vrai résultat opérationnel, alors qu'il aurait peut-être fallu 5 à 6 ans pour faire la même chose avec un EAI ou un datawarehouse traditionnel, et je pense que le prix n'aurait pas non plus été le même. Antidot nous a permis de trouver ce lien fédérateur. De plus, c'est du véritable temps réel, par exemple si j'applique une mise à jour, cette dernière s'exécute sur tous les systèmes. Aujourd'hui, je peux dire que nous disposons d'une infrastructure informationnelle qui nous donne toute latitude d'imaginer de nouvelles offres services adaptées aux attentes de nos clients », indique Pierre Boudigues. Le responsable pointe toutefois la complexité des opérations de suppression dans ce type de solution contrairement à une base SQL. Au travers de ce cas client, Antidot répond à une véritable problématique, c'est celle de la complexité des plateformes logicielles commercialisées, surtout dans un contexte où les profils IT sont difficiles à trouver et que les entreprises, principalement les PME, ont de moins en moins de moyens financiers. En déployant la solution AIF, ces entreprises réutilisent intelligemment l'ensemble des données et documents existants dans leur système d'information, quels qu'en soient la structure et le format, et elles peuvent les lier à d'autres données disponibles sur des sites web, dans les réseaux sociaux ou en open data dans le web de données.