AMASAI : entretien avec Marie Langé, fondatrice & CEO

Dans la continuité de mon entretien avec Julien de 10h11, je souhaitais aller plus loin sur le sujet de l’IA appliquée à la data. Après quelques recherches, je finis par identifier Marie, une véritable opérationnelle de la donnée. Exactement ce que je cherchais : une experte qui a la connaissance des problématiques qu’on ne rencontre que sur le terrain. Hasard de timing, Marie vient en plus de fonder son agence AMASAI avec ses deux associées, Anne-Sophie et Audrey. Une excellente opportunité de mettre en lumière la détermination de ce trio, et de prouver que les femmes ont toute leur place sur ces sujets dits « techniques ». Anecdotes à l’appui, Marie me relatait la fâcheuse habitude prise par certains de ses interlocuteurs qui n’hésitent pas à s’entêter à vouloir parler technique avec ses homologues masculins. Même si c’est elle la référente ! En plus du retour d’expérience, cette interview sera donc également un hommage au courage de ces femmes qui entreprennent dans un milieu aujourd’hui encore très (trop) masculin.

Marie Langé, co-fondatrice et CEO de AMASAI.

Parcours

Bonjour Marie et merci de prendre le temps de répondre à mes questions. Peux-tu te présenter en quelques mots ?

Bonjour Hugo et merci de me recevoir. Je suis Marie Langé, j’ai 35 ans et je suis la CEO de AMASAI, également commerciale, et … couteau suisse en fait ! Chez AMASAI, nous sommes 3. Je porte personnellement la partie business / technique. Anne-Sophie qui est juriste porte l’offre éthique et juridique. Audrey qui est ingénieur et serial-intrapreneure gère la partie innovation, avec une expérience dans les ETI et grands groupes sur ces sujets. Elle connaît bien les méthodes de design thinking et sait faire avancer les grosses structures qui n’ont pas l’habitude d’innover. Et enfin la 4ème personne qui est notre première employée est une consultante data.

L’équipe de fondatrices d’AMASAI.

Pour que l’on comprenne comment tu en es arrivée là aujourd’hui à fonder AMASAI, tu nous parles de ton parcours ?

Mon parcours académique et mon parcours pro sont étroitement liés. 

En terminale, j’hésitais beaucoup entre des études de mathématiques, informatique ou alors sauver la nature. Et puis bon… j’avais 18 ans, alors j’ai choisi d’aller sauver la nature ! J’ai fait une Prépa Bio à Nantes et une école d’ingénieur en Agronomie à Bordeaux. Mais rapidement je me suis rendu compte que l’agronomie, c’était pas mon truc… Prépa bio passionnant, par contre en agro les matières ne m’intéressaient pas. Je ne voyais pas comment j’allais sauver la nature avec des calculs de rations de vaches. C’était loin de ce que je voulais faire. Et je crois que les maths et l’informatique me manquaient aussi. Parce que j’aime bien me prendre la tête sur des problèmes de maths !

Ma chance, c’est que dans le cursus de l’école d’ingé il y avait une spécialisation en Management des Systèmes d’Informations, pour obtenir cette double compétence informatique et agronomie, en lien avec tous les nouveaux équipements. Et j’ai obtenu une dérogation pour faire mon stage de fin d’études en agence web. C’était le début du web 2.0, j’étais fascinée par tout ce qui se passait autour de ces sujets, et les opportunités foisonnaient.

Du coup, stage d’ingénieur concepteur développeur web en agence chez SQLI Agency, puis rapidement je suis devenue Cheffe de Projet Technique. Embauche dans la foulée. Là j’ai travaillé pour différentes marques et différents sujets, avec un focus web et e-commerce. J’ai notamment travaillé pour Cartier pendant 1 an et demi sur un gros projet de refonte de site, avec localisation dans 12 pays. C’était en 2009. 

Direction les bords du lac Léman.

Ensuite le groupe Richemont (qui possède Cartier) m’a proposé de les rejoindre à Genève. Je travaillais pour leurs différentes marques toujours sur les sujets web et e-commerce. En prenant du recul sur mes expériences chez SQLI et Richemont, je me suis rendu compte qu’il y avait quand même un fossé entre les équipes marketing digital et l’IT. On ne se comprenait pas ! 

Frustrée par ce constat, j’ai repris mes études. J’ai fait un Executive Master en Marketing et Communication à l’ESCP qui m’a donné les clés pour mieux comprendre les enjeux business. Après ça, Richemont m’a offert l’opportunité de gérer 2 gros programmes. Un web analytics et un web marketing, pour l’ensemble des marques du groupe et l’international. L’objectif était de trouver pour chacun de ces programmes un outil et un prestataire pour nous accompagner. Que tout soit harmonisé entre les différentes maisons niveau groupe. 

C’était quoi l’enjeu business dans le brief transmis à ce moment-là ?

Le groupe s’est rendu compte que sur le digital, ils étaient super en retard. Dans ce sens, il y a eu donc pas mal d’initiatives mises en oeuvre pour booster les marques. Ces 2 programmes en faisaient partie. Tu ne peux pas piloter ton activité e-commerce si tu n’analyses pas ce qui se passe sur ton site. L’e-mailing par exemple est un levier énorme, surtout pour les marques de luxe. Et c’est là où j’ai commencé à mettre le doigt dans la data. On récupérait des données du site web, on croisait ça avec les données d’e-mailing, et on faisait du mailing personnalisé en fonction des parcours sur le site, et inversement. Nous faisions descendre toutes ces informations dans le CRM. C’était hyper intéressant, j’ai adoré travailler sur ces sujets. Par contre, je n’aimais pas vraiment la vie à Genève, même si j’y suis quand même restée 4 ans.

Retour à Paris.

Je suis revenue à Paris en 2014. J’ai fait un peu de freelance pour Hermès. Et j’ai ensuite intégré LVMH dans la division Parfum & Cosmétiques, à l’IT, en direction de projet sur Guerlain.com puis sur Dior.com. Là, j’ai géré une équipe de 40 personnes avec des chefs de projet, des développeurs, des testeurs, des business analysts, des architectes. Mais au bout de 3 ans, je sentais que les sujets data me manquaient. Parce qu’à ce poste, j’étais vraiment sur du e-commerce, de la gestion de projet, du développement, du déploiement de nouveaux sites, de la refonte de plateforme, etc.

C’est la partie collecte / analyse / exploitation qui te manquait ?

Dans la gestion de projet e-commerce, je ne touchais plus du tout à la data si ce n’était que pour faire du tracking sur le site web. Et en parallèle, il se passait pas mal de choses autour de l’intelligence artificielle, tout ce qu’on pouvait faire de plus que ce que je faisais avant quand j’étais chez Richemont. Ça me titillait énormément ! Du coup… j’ai à nouveau repris des études 😄 

Je me suis orientée vers un Executive Master en Statistiques et Big Data à Dauphine. C’est un master qui forme des executives à la data science et très axé maths, notamment les maths derrière les modèles statistiques. Moi qui voulait des mathématiques, j’ai été servie ! Il fallait avoir le niveau licence de maths pour rentrer, donc je l’ai travaillé avant d’y aller pour pouvoir passer le concours d’entrée. J’en ai quand même bavé, le niveau était hyper élevé, mais avec le recul je suis contente de l’avoir fait. Beaucoup de formations en data et intelligence artificielle te montrent surtout la partie informatique, comment utiliser scikit-learn, mais tu ne comprends pas ce que ça fait. Alors que là, on a vraiment vu les maths derrière tout ça, de comprendre comment tu fais ta modélisation, pourquoi choisir tel ou tel modèle. Les maths c’est le plus dur à acquérir, après la programmation tu peux apprendre seul. J’ai travaillé pendant 1 an et demi en cours du soir, et à la fin les équipes LVMH m’ont proposé de créer un Pôle Data pour Dior. J’ai bien sûr accepté, mais là ça a été très compliqué… 

« Avec le recul, je pense que mon changement d’orientation est intervenu trop tôt par rapport à la maturité de la marque. »

On t’a proposé le projet parce qu’il y avait quelqu’un en interne qui te portait là-dessus ?

Non, et c’est peut-être le problème. Avec le recul, je pense que mon changement d’orientation est intervenu trop tôt par rapport à la maturité de la marque. Ils m’ont proposé ça parce qu’ils savaient que c’était ce que je voulais faire, que c’était un sujet d’avenir et qu’ils voulaient me garder. Mais personne n’était prêt ! Le métier ne comprenait pas du tout le sujet, du coup ce n’était pas une priorité. À l’IT, grosse incompréhension de ces sujets là. On a monté un data lake, et “Voilà il n’y a plus qu’à cliquer sur des boutons pour faire de l’IA !« . Quand j’ai expliqué que pour le moindre cas d’usage, il fallait tirer des tuyaux, travailler la donnée, la modéliser, qu’il y avait du travail, que ce n’était pas aussi simple, tout le monde a déchanté. Ce n’était pas ce à quoi ils s’imaginaient en montant un data lake.

Pour comprendre, à quels niveaux cela a vraiment posé problème. Management, projet, SI ?

Tous. Il y avait une méconnaissance du sujet, et du coup de grosses incompréhensions.

Même chez les techs ? Parce que autant les managers je peux comprendre, ils ont leurs enjeux business court et moyen terme, pas le temps de s’intéresser à ces sujets techniques. Mais chez les développeurs ? Sans caricaturer, ces profils sont généralement intéressés par ces nouveaux sujets.

Le problème, c’est que je n’avais pas de budget pour faire venir les profils tech compétents sur ces sujets. Le sujet n’était pas la priorité du métier et n’était pas sponsorisé en interne. C’est pour ça que je pense que ma réorientation est intervenue trop tôt. 

« Lors de la présentation, ils dissertent sur des sujets hyper techniques, donc personne n’a rien compris, et les cases business sont complètement à côté de la plaque. »

Aujourd’hui, ça aurait pu le faire. À l’époque, j’avais sollicité des prestataires spécialisés dans la data pour m’accompagner.  Ils sont intervenus pour expliquer comment mener une stratégie data en partant des uses cases jusqu’à la mise en oeuvre. Hélas, ils ont été très mauvais et n’ont pas su convaincre la direction. Les mecs sont très bons techniquement, mais ils sont bons… techniquement. Lors de la présentation, ils dissertent sur des sujets hyper techniques, donc personne n’a rien compris, et les cases business sont complètement à côté de la plaque. Un vrai flop ! Et là je me dis qu’il y a un truc à faire. C’est de ce constat qu’est né AMASAI. J’ai créé la boite que j’aurais voulu avoir en partenaire à l’époque.

Et du coup AMASAI, vous en êtes où aujourd’hui ?

L’idée de créer la boite, c’était au mois de Mars de cette année. Entre temps, j’ai fait du freelance pour commencer à faire rentrer de l’argent sur la société. Les statuts ont été déposés en Septembre, et on a embauché la première salariée dans la foulée. On est encore toutes jeunes. En ce moment, je me concentre beaucoup sur le développement commercial. Et ça prend beaucoup de temps !

Ta prospection, comment est-ce que tu t’es organisée ?

J’ai misé au départ sur le réseau. La semaine dernière, on était à un salon Big Data, ça nous a amené quelques prospects intéressants. Et en ce moment, j’ai (encore) repris des études. Je fais une formation courte de growth hacking avec Lion, l’antenne de formation de The Family. Et donc j’ai des cours du soir, en espérant pouvoir activer certains leviers rapidement !

Quels types de projets et de boites est-ce que vous allez chercher ?

Nous n’avons pas vocation à être sur une seule verticale, on s’intéresse à tous les secteurs. Mais aujourd’hui je cible surtout le luxe, puisque c’est ce que je connais le mieux, ayant passé une dizaine d’années dans le milieu. En ce moment, je suis en contact avec Cartier, Dior et Louis Vuitton. J’espère que ça va transformer ! Ce serait chouette, ça ferait de belles références.

Notre salariée est en mission pour Renault chez leur agence media. Elle s’occupe de dashboarding sur les données média. Entre le web, le papier, la TV, etc… il y a une quantité de données monumentale. Comment est-ce que tu arrives à avoir une vue 360° de ce qui se passe, de tes investissements et du retour, c’est assez compliqué. Elle est en mission aux 3/5ème, et le reste du temps elle travaille au développement de la société, sur les appels d’offres, sur de la veille. Couteau suisse !

Et ensuite, l’objectif c’est d’ouvrir sur d’autres secteurs ?

Anne-Sophie vient du retail et de la finance, et Audrey vient de l’énergie et du spatial, donc on aimerait élargir à ces sujets. La santé nous intéresse beaucoup aussi, on pense qu’il y a de très belles choses à faire avec l’intelligence artificielle. 

L’intelligence artificielle

La première fois que tu as entendu parler d’intelligence artificielle, tu te souviens ?

Franchement, je ne me souviens plus vraiment ! Pour moi, l’intelligence artificielle existe depuis tellement de temps… On en parle beaucoup en ce moment, mais elle n’a pas la même définition qu’il y a 20 ou 30 ans.

Je me souviens concernant le machine learning, c’est quand j’étais à Genève. J’ai une copine qui m’a envoyé une infographie : « Lis ça, ça va t’intéresser ! » C’était un papier sur le machine learning qui expliquait comment cela fonctionnait. Et là, je me suis dit « wow… ». Et la deuxième fois, c’est avec Cambridge Analytica. J’ai compris tout ce qu’ils avaient fait et comment. J’avais les clés pour tout comprendre.

L’affaire Cambridge Analytica.

Ce qui a été fait avec la donnée récupérée sur Facebook et croisée ensuite. Ce n’est pas éthique, mais super intelligent. Tu fais un jeu qui est viral, ce qui fait que les gens jouent, et qui te permet de récupérer de la donnée sur eux. En plus de ça, le jeu est un test de personnalité. Donc tu récoltes d’autant plus de choses intéressantes et exploitables sur eux. Les joueurs ont l’impression que tu fais un test de personnalité un peu marrant, mais non. C’est de la donnée qui est utilisée et qui permet de déterminer quels sont les profils qui sont indécis ou centristes, donc capables de switcher dans un camp ou dans un autre. Ils ont réussi à identifier les profils de ces personnes. Et ils ont élargi aux gens qui n’ont pas fait le test mais qui ont un profil similaire. Puis adressé un message à toutes ces personnes, avec des publications hyper ciblées et ultra personnalisées, permettant de les faire basculer. De la vraie manipulation de masse !

Au final, c’est juste de la modélisation du comportement des gens. En analysant qui ressemble à qui. Si lui est réceptif à ce message, alors lui le sera aussi. La précision avec laquelle on arrive à prédire le fonctionnement des gens est hallucinante. En conclusion, cela a bien fonctionné puisque Trump a été élu. Ils ont également travaillé pour le Brexit, avec la conclusion que l’on connaît.

Ce qui est dommage dans cette histoire, c’est qu’il n’y a qu’eux qui ont été pris alors que toutes les agences font ça. Si on élargit, la publicité de base, c’est déjà de la manipulation. Mais finalement, autant qu’une publicité ciblée sur Facebook. Où est la limite ? Il n’y a aucune réglementation éthique sur le sujet.

Si on se concentre sur les cas d’usages relatifs à l’intelligence artificielle ; dans quel secteur en particulier trouves-tu que le potentiel est le plus intéressant ?

La santé. Et en même temps c’est très compliqué parce qu’on parle de données personnelles. C’est vraiment difficile de trouver comment tu réglementes cette partie. D’un côté tu ne peux pas faire n’importe quoi avec les données des gens, de l’autre tu peux te dire que ça permettrait de sauver des millions de personnes. 

En cancérologie, il y a plein de sujets qui sont en cours. En faisant tomber les barrières réglementaires pour faire en sorte que le truc avance plus vite, on se dit que ça pourrait marcher dès demain ! Mais tu as des enjeux légaux, de protection de la vie privée, etc…

« Ce sont des pirates qui ciblent les personnes malades, prennent en viager leur appartement (…) on lui fait prendre des médicaments qu’elle ne supportera pas, elle meurt, et ils récupèrent le viager ! »

Après, ces enjeux ne sont pas anodins. Au salon du Big Data, j’ai rencontré une personne qui travaille dans une grosse structure de cyber sécurité. Elle me disait que le hack à la mode maintenant, ce n’est plus le ransomware. Ce sont des pirates qui ciblent les personnes malades, prennent en viager leur appartement, en sachant qu’elle a une allergie à quelque chose. On pirate son dossier médical, ce qui fait qu’en allant à l’hôpital son dossier est faussé, on lui fait prendre des médicaments qu’elle ne supportera pas, elle meurt, et ils récupèrent le viager ! Et ce sont des cas qui sont déjà arrivés. C’est pour ça que les données de santé, c’est vraiment un sujet sensible.

Le must, ce serait de pouvoir appliquer l’intelligence artificielle à mes anciennes ambitions de sauver la nature. Il y a l’énergie déjà. Toutes les économies d’énergie que l’on peut faire réaliser. Mais hélas, cela fait longtemps que je ne me suis pas attardée sur ces sujets.

De mes rencontres précédentes, on me confirmait que sur les sujets Santé il était primordial de compter dans l’équipe des sachants ou des gens qui font autorité.

L’intelligence artificielle est une technologie qui te permet de faire beaucoup de bien, mais aussi beaucoup de mal. Dans la santé, c’est évident. Mais tu peux l’appliquer aussi dans plein d’autres secteurs. C’est aussi ça que je trouve intéressant dans ces sujets là. C’est tout nouveau, donc ça pose plein de questions éthiques, philosophiques, ça demande de recréer tout un ensemble de lois, de positions, de cadres. 

C’est un sujet que j’abordais justement avec Julien de 10h11. Avec les voitures autonomes. Suivant le scénario si un accident se produit, comment est-ce qu’on détermine les responsabilités. Tout ce que fait l’IA doit pouvoir être expliqué.

Oui, et dans la santé c’est applicable aussi. « Vous allez mourir. » « Ah bon mais pourquoi ? » « Je ne sais pas, c’est l’IA qui le dit ». Ce qui est compliqué, c’est que les outils d’IA les plus puissants, ce sont ceux qui sont les plus opaques. Il existe maintenant des outils qui permettent de faire du reverse engineering sur ce qui a été fait pour détecter a posteriori quel a été le raisonnement. Mais pour l’instant ce sont des recherches qui n’en sont qu’à leur début. Une IA pour expliquer une IA !

Quels sont les grands champs d’application de l’intelligence artificielle sur lesquels tu as travaillé ?

J’ai fait du NLP notamment pour une startup qui s’appelle La Métis. Elle fournit notamment un outil à destination des gens qui font de la stratégie. Sur un sujet donné, il y a plein d’informations intéressantes qui sont planquées sur le web. Mais pas forcément bien indexées ou accessibles. L’approche Google c’est de référencer par mot, là on utilise le NLP pour élargir le champ lexical de la requête et récupérer des pages similaires qui peuvent t’intéresser dans le cadre de ta recherche. La Métis a aussi travaillé sur un outil d’identification de traitement pour une pathologie donnée, avec une approche NLP similaire.

J’ai fait aussi du clustering, très utilisé pour la connaissance client. Et du prédictif, pour de la recommandation produit sur les problématiques e-commerce. La recommandation produit, tu vas te baser sur le comportement de la personne sur le site web. Quelle page est-ce que cet individu a visité, etc. On va regarder les similarités entre produits, si tel produit est similaire à tel autre, et si celui-là pourrait t’intéresser. Mais il faut aussi regarder tous les autres visiteurs qui ont fait plus ou moins le même parcours, ce qu’ils ont acheté. Tu croises un peu tout ça et tu proposes du sur-mesure. Ça marche ou pas, l’outil enregistre toutes les combinaisons, et en teste d’autres. Il apprend en continue. Je travaillais sur ces sujets avec Target2sell, et le R.O.I est assez dingue. Il y a le cas d’un acteur dans le bricolage avec lequel ils arrivent à un apport global de revenu additionnel supérieur à 14%. Ou encore Manutan, qui vend de la fourniture aux professionnels. +10% sur le panier moyen, et un taux de conversion amélioré de 20%.

À travers tes expériences, tu peux nous parler des limites techniques de l’intelligence artificielle auxquelles tu as été confrontée ?

Les données. Il faut beaucoup de données, et des données de qualité. Tu peux avoir l’impression que tu as plein de données mais finalement te rendre compte que ce n’est pas suffisant, ou que tes données sont crades et tu ne peux rien en faire. Ça met un terme à beaucoup de projets.

Comment tu définirais des données non exploitables ? Qu’un opérationnel puisse se projeter.

Tu as des données clients qui proviennent de plusieurs bases. D’un côté les données vont être formatées d’une certaine façon, et différemment dans l’autre. Tu as certaines informations qui sont remplies dans une source et qui ne le sont pas dans l’autre. Donc tu ne peux pas réconcilier les données, puisqu’il n’y a rien qui coïncide.

Il y a des cas où tu pensais vraiment ce que serait suffisant, et en faisant tourner les outils tu te rends comptes que tu n’arriveras pas à obtenir un résultat ?

Généralement avant même de faire tourner les outils, tu le sais. Quand tu vois la quantité de données, statistiquement ça ne va pas être significatif. 

Au-delà des difficultés techniques ; est-ce qu’en terme humain, organisationnel, ou autre, tu vois d’autres barrières à l’application de l’IA ?

La méconnaissance. Ce qu’on évoquait précédemment, trouver des use-cases cela peut être compliqué. Cela demande une connaissance métier pointue. Ce n’est pas les gens qui connaissent l’intelligence artificielle qui peuvent émettre les use-cases car ils ne connaissent pas le métier, et inversement. Quand j’étais chez LVMH, on a fait flop un paquet de fois parce qu’on n’avait pas ces connaissances des problématiques. Et quand on parle aux gens d’intelligence artificielle, ils pensent à des robots ! Non, voyez le plutôt comme une calculatrice géante.

Il y a Gartner qui a sorti un concept intéressant, le Citizen Data Scientist. Ce sont des gens qui ne sont pas des data scientist, mais qui sont amenés à travailler avec eux. Des opérationnels métiers qui sont formés au concept de la data science. Qu’ils puissent comprendre, sans forcément savoir faire, ce n’est pas le but. 

Par exemple. Quand tu travailles sur un modèle, tu vas choisir un indicateur pour savoir si ton modèle est performant ou pas. Tu as plusieurs types d’indicateurs, l’accuracy, le F1 Score, etc… Et tu peux en avoir un qui va favoriser les faux négatifs, l’autre les vrais positifs. En fonction de ton besoin métier, c’est hyper important de choisir le bon indicateur. Sur un test de maladie, tu veux limiter les faux négatifs parce que ça veut dire que si tu as trop de faux négatifs, plein de malades ne seront pas détectés. En fonction du cas, c’est toujours le métier qui est le plus à même de se prononcer. Il faut que l’opérationnel soit sensibilisé à ça, qu’il puisse briefer les data scientists.

Enjeu de formation donc, d’acculturation, de réassurance. Beaucoup de gens ont peur de l’intelligence artificielle.

Tu l’as déjà perçu à travers tes expériences ?

Oui, on a déjà rencontré des boîtes qui nous ont dit qu’elles étaient intéressées par des formations d’acculturation à l’intelligence artificielle. Ils voulaient commencer à faire de l’IA et ils se sont rendus compte que leurs employés avaient peur. De perdre leur job notamment. Les médias rapportent tellement de choses flippantes autour de l’intelligence artificielle, et non représentatives de la réalité. Je ne dis pas qu’ils mentent, mais ils ne représentent qu’une petite partie de ce qu’est l’intelligence artificielle.

C’est vrai qu’on entendra toujours plus parler des cas type Cambridge Analytica ou des robots tueurs, c’est plus vendeur !

C’est sûr ! Les entreprises ont besoin d’accompagnement pour rassurer tous leurs employés sur ce qui va se passer avec l’IA. Ça ressemble à la transition numérique. Les entreprises y sont passées avec plus ou moins de succès. Il va falloir faire la même chose avec l’intelligence artificielle. Expliquer aux gens les impacts de cette technologie, et notamment l’aspect boîte noire. Il faut vraiment faire comprendre aux gens que les outils d’intelligence artificielle te donnent une base décisionnaire, mais pas la décision finale. C’est à toi, être humain de décider. Quel choix tu fais, est-ce que tu écoutes la machine ou pas. Pour ça, il faut pouvoir expliquer comment on est arrivé à telle décision. La machine s’est servie de telle et telle donnée, mais je sais qu’elle n’a pas pu exploiter ce paramètre alors qu’il est important, donc je ne vais pas forcément suivre sa décision. Et je pense que l’intelligence artificielle va s’inviter partout. On en a déjà dans nos montres, nos téléphones, … Je pense que tous les opérationnels devront avoir cet état d’esprit de « ce n’est qu’une machine, c’est pas un oracle, elle me donne une indication, je suis libre de l’écouter ou pas et d’apporter mon esprit critique par rapport à ce qu’elle me raconte ».

Personnellement, je suis persuadé que c’est un non-sens que de repousser cette transition. Si toi tu ne mets pas en place ces outils qui te permettent de multiplier par 5 ta productivité parce qu’il y a une crainte que ça élimine 15 emplois dans ta structure, dans 6 mois tu te fais dépasser par ton concurrent qui lui se sera servi de cet outil. Et pour le coup, des emplois chez toi il n’en restera à terme plus du tout !

Complètement. Je ne pense pas que ça pique des jobs, je pense que ça va les faire évoluer. Comme avec le numérique.

Si tu refuses de voir le monde avancer, lui ne t’attendra pas pour continuer de tourner. Mais après, il faut aussi comprendre que c’est un sentiment humain que d’avoir peur de l’inconnu. 

Oui c’est vrai. Mais ce que racontent les médias, les robots autonomes qui font les mêmes tâches que nous, etc… On est tellement à des années-lumière de ça !

Et ces entreprises qui demandent de l’acculturation, tu peux donner des noms ? Ou définir un profil a minima.

Il n’y a pas de profil type. Nous, on travaille surtout avec des grands groupes. On travaille peu avec des startup ou des PME. En startup, j’ai l’impression qu’elles ont moins besoin de ça, tu baignes déjà un peu dedans. Dans les grands groupes en tout cas, il y a un vrai besoin.

Si on revient sur les difficultés rencontrées, quelles sont les solutions que tu as tenté de mettre en place pour faire bouger les choses ?

Avec le recul, amener le prestataire trop technique n’était pas une bonne idée. Après, c’est en fait le pitch de ma boîte ! Il faut accompagner les acteurs. Le mot est important : « accompagner ». Expliquer à travers des formations d’acculturation aux dirigeants, aux opérationnels, rassurer tout le monde, faire réaliser l’importance que ça a. Le R.O.I que ça peut amener. Et les aider à monter les projets. Chez AMASAI, c’est vraiment faire le lien entre le business et la technique. Travailler ensemble et s’assurer que tout le monde avance dans le même sens.

L’instant RH

Vos plans de développement chez AMASAI ?

On a prévu d’embaucher une dizaine de personnes en 2020. On a de grosses ambitions. On rentre dans un incubateur d’ici 2 semaines, et on espère que ça va bien nous aider à nous développer.

Quels sont les profils que vous recherchez ?

On cherche des profils qui auraient le même type de formation que moi, c’est-à-dire des gens avec une dizaine d’années d’expérience, qui ont un background pro, et qui ont repris leurs études pour comprendre un peu mieux dans le détail ce qu’est la data et les fonctionnements associés. Connaissance technique et expérience du business et des cas métiers. Donc parfait pour faire le lien entre les deux. Il y a d’ailleurs maintenant des écoles de commerce qui font des formations en data et en IA. Ce sont des profils qui nous intéressent aussi car ils ont cette double affinité.

Les avantages à rejoindre AMASAI?

Rejoindre la société maintenant, c’est participer à sa construction. On en a peu parlé jusque-là, mais chez AMASAI, nous avons aussi un volet éthique important. Nous avons des valeurs fortes toutes les trois. On veut que l’IA soit utilisée de façon éthique. Mais on veut que notre entreprise également soit éthique. Donc on souhaite que ce soit un endroit où les gens se sentent bien et faire preuve de diversité.

L’éthique concrètement comment tu l’intègres ? À travers le choix des projets ?

Sur le choix des projets, sur la façon dont ils sont menés, sur l’impact. Qu’on ne refasse pas un Cambridge Analytica. L’impact sur les employés également. On ne veut pas que cela crée des risques psycho-sociaux ou de la souffrance au travail. Il faut accompagner le changement. Il faut expliquer, et avant de mettre en place un outil qui va changer la façon de travailler, former les salariés. Les impliquer dans la réflexion, calculer un peu l’impact que ça va avoir, l’impact environnemental. Si on a un algo qui dépense je ne sais combien d’énergie pour un résultat apportant peu de valeur, on peut se dire que ça ne vaut peut-être pas le coup.

Un client qui vient te voir, pour qui tu fais tourner une grosse application, de grosses bases de données, tu fais “cracher du serveur”, et toi derrière tu juges que la prédiction a un impact mineur, tu vas tirer sur la chemise du client pour lui faire prendre conscience de ça ?

Oui. On parle aussi beaucoup des conséquences négatives de l’intelligence artificielle, et de réchauffement climatique. D’un point de vue RSE, les entreprises n’ont plus le choix que de se positionner sur ces sujets. Si elles travaillent avec nous, elles pourront communiquer sur le fait qu’elles participent activement à faire de l’IA éthique. Donc ça peut se transformer en argument de communication. Les consommateurs sont inquiets de ce qu’on fait avec leurs données. Une entreprise qui va montrer patte blanche en disant « Nous faisons très attention avec ce qu’on fait grâce à l’IA », je pense que cela ne peut qu’être bénéfique.

Pas simple avec le e-commerce par exemple ! Secteur dans lequel tu exploites au maximum de la donnée personnelle pour faire consommer plus.

Mais c’est valable pour le commerce en général. Ce n’est pas le e-commerce qui a inventé le CRM. Les cartes de fidélité en magasin, cela existe depuis longtemps !


Les dessous de l’interview

Au Père Tranquille, à Châtelet – Les Halles.

📍Lieu : L’interview s’est faites Au Père Tranquille, café restaurant recommandé par les bons soins de Marie. L’endroit se prête bien au travail en journée en dehors des heures de repas. De la place, des prises et « une ambiance cosy » comme on dit !

⏱Durée : L’interviewée a été retenue un peu plus d’une heure autour de 2 espresso. Mais comme d’habitude, on aurait pu disserter plus longtemps si tout le monde n’avait pas ses impératifs… 

💾Le sujet techno que tu trouves le plus excitant à l’heure actuelle ?

« Pour le coup, c’est bien l’intelligence artificielle. Ce qui me fascine, c’est le fait de pouvoir mettre le monde en équation. La modélisation du réel. Tu récoltes plein de données, et sur cette base prédire le comportement des gens. Je trouve ça complètement fascinant ! »

🕹Le premier objet techno que tu aies possédé ?

« C’était une montre jeu vidéo ! Ça date de la fin des années 80. Une petite montre avec un jeu de tennis dessus, je trouvais ça incroyable. Alors que je n’avais encore jamais vu d’ordinateur. Il devait y avoir la NES, la GameBoy peut-être, et moi j’avais ça à mon poignet. Je trouvais ça dingue, même si avec le recul c’était quand même un peu gros 😄« 

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *