Plus de 64 zettaoctets, soit 64 000 milliards de milliards d’octets, c’est le nombre de données générées en une année dans le monde, selon l’organisme Statista. Et la quantité ne cesse d’augmenter. A l’échelle d’une entreprise, exploiter ces big data se révèle essentiel: amélioration des processus, économies financières, affinement d’une stratégie commerciale, efficience énergétique ou développement de nouveaux produits ou services, de nombreuses améliorations peuvent découler d’une étude sérieuse des données. On parle alors d’analyse prédictive.
Habefast: Former, expliquer, démontrer
A Nyon, Habefast existe depuis 2008 et compte aujourd’hui 25 employés. L’entreprise se présente comme la combinaison d’une agence de communication et d’un cabinet de stratégie d’entreprise basée sur l’analyse de données. Ces examens sont essentiellement utilisés pour des études d’implantation ou de développement géographique d’une entreprise, afin de maximiser ses chances de réussite, que ce soit pour le choix de l’assortiment de produits d’un commerce physique ou en ligne, pour la gestion de la temporalité et de la saisonnalité d’une campagne de communication, pour la bonne utilisation des données clients ou encore pour la visibilité numérique au sens large, comme la position de l’entreprise dans les moteurs de recherche face à celle de ses concurrents.
«Il ne faut pas croire que l’analyse de données est réservée aux grandes entreprises, explique Boris Alonso, fondateur et directeur d’Habefast. Nous avons des offres de prix adaptées aux PME. C’est une de nos grandes volontés: nous pourrions ne travailler qu’avec de grandes entreprises, ce qui serait peut-être plus rentable, mais nous avons envie de toucher aussi les petites, pour lesquelles l’analyse prédictive est tout aussi importante.»
Quel que soit le projet, «l’important est que nos clients comprennent la démarche et l’importance d’utiliser ces données pour leur entreprise, poursuit Boris Alonso. Nous développons de nombreuses formations là-dessus, établissons des explications et des démonstrations par les chiffres. Il est notamment important d’établir des indicateurs de performance pour voir si ces analyses apportent les résultats escomptés.»
Swiss-SDI: Analyses et algorithmes
Etablie en ville de Fribourg, Swiss-SDI a été fondée en 2017 par trois associés, formés à l’EPFL en mathématiques appliquées, puis en data science, data mining, machine learning et intelligence artificielle. «A l’époque, on sentait que les données commençaient à devenir un sujet, et il n’existait pas encore beaucoup d’offres en Suisse. On s’est dit qu’il y avait une bonne carte à jouer», raconte Brice Repond, cofondateur et Head of Analytics. Depuis, la start-up a développé trois prestations: le conseil stratégique, le conseil analytique et le développement d’algorithmes liés à une problématique précise. Ce serait par exemple une solution destinée à des gestionnaires de réseau de distribution d’énergie (GRD) qui permet de prédire la consommation de l’ensemble de leurs clients heure par heure par rapport au jour de la semaine, à la météo, etc. Forte de huit employés, dont un Chief Revenue Officer engagé pour amorcer une nouvelle étape de développement de la société, l’entreprise compte une trentaine de clients simultanés.
Enovating: Établir le potentiel technologique
A Neuchâtel, Enovating a vu le jour en 2018 et s’est spécialisée dans l’analyse de données de type documentaire, soit en explorant le web, mais aussi le deep web (rapports d’entreprise, brevets, publications scientifiques, etc.). Elle travaille principalement avec l’Etat de Neuchâtel – notamment pour un projet de cartographie des entreprises innovantes du canton –, de grandes marques horlogères, mais aussi des plateformes d’innovation telles que le CSEM, et propose notamment une analyse de potentiel technologique. «Nous allons aider une entreprise qui développe une technologie soit à chercher des applications possibles, soit à la mettre en lien avec des entreprises partenaires ou avec de potentiels acheteurs», détaille Raphaël Imer, l’un des trois cofondateurs d’Enovating, spécialisé en data science.
Dans leur équipe, un développeur, David Courtet, a mis au point un logiciel spécifique d’analyse de données. Baptisé Enobox, le programme est un outil d’analyse et de restitution au client. «La force de ce logiciel est que l’on peut rejouer les scénarios, refaire l’analyse et le traitement afin de revoir la problématique sous un nouveau jour», éclaire Aldous Zaugg, le troisième cofondateur, également data scientist. Le trio s’est entouré de deux autres employés et sollicite régulièrement un réseau d’une petite dizaine d’experts dans des domaines spécifiques – blockchain, horlogerie, luxe, etc. – en fonction des mandats. Enovating gère actuellement une quarantaine de clients en parallèle.
L’analyse prédictive connaît-elle une forte croissance? Selon Brice Repond, de Swiss-SDI, après avoir connu un pic lors de la pandémie de covid, la demande a légèrement diminué depuis. «Les questions de sécurité des données, très vives aujourd’hui, ont donné un coup de frein. De plus, on observe une méconnaissance complète du domaine par le grand public; on le voit maintenant avec ChatGPT. Cette méconnaissance suscite de la peur et la peur génère un besoin de contrôle, donc l’internalisation de la tâche par l’entreprise. Cependant, à terme, je pense que les grosses PME en tout cas vont se rendre compte qu’il n’est pas possible de gérer l’entièreté des processus d’IA à l’interne de manière efficace.»