Dataiku's Secret to Scaling AI in Global Enterprises | Florian Douetteau, CEO, Dataiku

Points clés

• 00:04
  Dataiku est une plateforme leader dans le déploiement du machine learning et de l'IA en entreprise.
• 00:11
  Dataiku est passée de ses modestes débuts en France il y a dix ans à son statut actuel de leader mondial de l'IA d'entreprise.
• 00:24
  L'objectif initial de Dataiku était de démocratiser la science des données et de la rendre accessible à tous.
• 00:30
  Dataiku compte plus de 700 entreprises clientes, dont Morgan Stanley, Michelin, Novartis et Purdue Farms, dans tous les secteurs d'activité.
• 02:28
  Florian Douetteau a commencé à programmer à l'âge de cinq ans.
• 03:51
  Florian a étudié les mathématiques et l'informatique à l'ENS, une école très sélective en France.
• 05:26
  Florian a travaillé chez Exalead, une entreprise française de logiciels d'entreprise qui a connu un grand succès.
• 06:50
  Dataiku a été fondée en 2013 par Florian Douetteau et trois autres cofondateurs.
• 08:24
  L'idée de Dataiku est née du besoin de démocratiser la science des données, car il n'y avait pas assez de data scientists pour répondre à la demande.
• 08:37
  Dataiku voulait simplifier la science des données grâce à des logiciels, en particulier à une époque où les entreprises mettaient en place leurs premiers clusters de données.

Points clés

• 09:15
  Le concept de Data Scientist commençait à peine à émerger en 2011.
• 09:40
  L'intuition principale était que pour démocratiser la data science, il fallait élargir les frontières afin que des personnes extérieures à la data science puissent également en faire.
• 09:59
  Il y avait un fossé de communication entre les équipes métiers et les data scientists, qui ne parlaient pas le même langage et avaient des attentes différentes.
• 10:42
  La solution n'était pas d'ajouter plus de data scientists, mais de trouver un moyen pour les équipes métiers et les data scientists de travailler ensemble en utilisant le même outil.
• 12:17
  Le nom Dataiku est né de la combinaison de "data" et de "haiku", un poème japonais qui exprime beaucoup en peu de mots, reflétant l'objectif de l'entreprise de rendre les données accessibles.
• 12:52
  Dataiku a eu une vision très précise du marché très tôt, en se concentrant sur une plateforme collaborative pour la data science alors que ce n'était pas encore une tendance forte.
• 17:50
  L'entreprise a choisi de cibler les grandes entreprises plutôt que les entreprises technologiques car ces dernières avaient une approche différente de la construction et de la maintenance de solutions de données.
• 19:08
  Dataiku a parié sur le fait que les entreprises non technologiques, qui représentent la majorité du marché, auraient besoin d'une plateforme pour démocratiser l'accès aux données et à la data science.

Points clés

• 20:02
  La plateforme Dataiku a évolué pour offrir une gamme de capacités d'IA, passant de quelques fonctions clés comme AutoML et Dataprep à plus de 15 ou 20 aujourd'hui.
• 20:22
  Dataiku sert de couche d'orchestration permettant aux entreprises de construire, de maintenir et de gérer tous types d'applications d'IA.
• 20:32
  La plateforme prend en charge les paradigmes sans code, low-code et full-code, favorisant la collaboration entre les utilisateurs.
• 20:45
  Dataiku permet de combiner l'analytique (construction de métriques), le ML prédictif (construction de modèles) et l'IA générative (construction d'agents et de workflows basés sur LLM).
• 21:12
  L'écosystème de l'IA est en constante évolution, avec de nouvelles technologies et de nouveaux modèles émergeant chaque année.
• 22:12
  L'innovation rapide dans l'IA peut être source de stress pour les entreprises, qui doivent constamment évaluer et intégrer les nouvelles technologies.
• 22:50
  Dataiku agit comme un amortisseur en intégrant et en rendant les nouvelles technologies d'IA prêtes pour l'entreprise.
• 24:10
  Dataiku suit le cycle de vie complet des données, de la préparation au déploiement et à la maintenance des modèles d'IA.
• 25:03
  L'accent est mis sur la création d'actifs d'IA réutilisables, tels que des métriques, des modèles et des agents, qui peuvent générer de la valeur à long terme pour l'entreprise.
• 25:46
  Dataiku permet de gérer le cycle de vie complet des actifs d'IA, de l'idéation au déploiement et à la surveillance, au sein d'une plateforme unique.
• 27:14
  Des capacités de préparation des données robustes sont essentielles au succès des projets d'IA en entreprise, car elles permettent de résoudre les problèmes liés aux données réelles.
• 28:42
  Dataiku LLM Mesh fournit un environnement pour la création d'agents d'IA générative, en mettant l'accent sur la fourniture des données appropriées et la gestion des cas particuliers.

Points clés

• 30:18
  Les entreprises auront besoin d'une plateforme centralisée pour gérer les centaines, voire les milliers d'agents conversationnels basés sur les LLM qu'elles utiliseront.
• 30:34
  La plateforme devra fournir des fonctionnalités de sécurité pour protéger les LLM contre les attaques et les fuites de données.
• 30:51
  Le contrôle des coûts sera crucial, car les LLM peuvent être coûteux à exécuter, en particulier à grande échelle.
• 32:51
  La gestion des données sera essentielle, notamment la mise à jour des données utilisées par les agents pour garantir la pertinence des réponses.
• 32:51
  La sécurité et la confidentialité des données seront primordiales, et les entreprises devront s'assurer que les LLM ne sont pas utilisés pour diffuser des informations sensibles.

Points clés

• 36:27
  L'IA générative ne remplacera pas complètement l'apprentissage automatique traditionnel.
• 36:52
  L'IA générative excelle dans la création de contenu, mais ne peut pas prendre de décisions stratégiques basées sur des données comme le font les modèles d'apprentissage automatique.
• 39:32
  L'avenir réside dans l'intégration de l'IA générative et de l'apprentissage automatique au sein de plateformes capables de gérer l'analytique, la prédiction et la génération de contenu.
• 39:02
  Le contrôle et la gestion des données sont essentiels pour le développement de l'IA, car la qualité des données impacte la fiabilité des modèles.

Points clés

• 40:45
  L'invité travaille avec plus de 700 entreprises, dont Morgan Stanley, Michelin, Novartis et Purdue Farms, qui utilisent l'IA générative.
• 42:13
  L'engouement pour l'IA générative ne vient pas des applications simples comme les chatbots, mais plutôt des cas d'utilisation intermédiaires.
• 43:51
  Un exemple d'application réussie est l'utilisation de l'IA par des équipes juridiques pour analyser la brevetabilité et générer des documents, ce qui permet de gagner un temps considérable.
• 45:00
  Un autre exemple est l'automatisation de la création de rapports quotidiens pour les opérateurs d'usines, ce qui réduit considérablement le temps consacré à cette tâche.
• 46:02
  L'invité estime que les entreprises vont se transformer en multipliant ces agents d'IA qui automatiseront progressivement les tâches les plus répétitives, permettant aux humains de se concentrer sur des aspects plus créatifs et importants de leur travail.

Points clés

• 46:33
  Combinaison de différents types de modèles d'IA, y compris des modèles d'IA génératifs et des agents qui fonctionnent à la fois sur des modèles d'apprentissage automatique prédictifs et des modèles d'IA génératifs.
• 46:44
  Des fournisseurs proposeront l'IA dans des solutions packagées, à l'instar des entreprises SaaS, et il y aura beaucoup d'automatisation personnalisée développée en interne.
• 47:18
  Les entreprises devront créer leurs propres agents pour tout ce qui concerne l'assemblage des données d'un fournisseur à l'autre, ou le processus global, ou la chose qu'elles ont réellement construite, c'est-à-dire ce qui les rend différentes.
• 47:37
  De nombreux agents sont destinés à aider l'entreprise et à aider les gens à prendre les bonnes décisions ou à trouver les bonnes informations pour étayer la décision.
• 48:02
  Les agents qui pourraient aider une entreprise à être plus intelligente sont, je pense, ceux que de nombreuses entreprises voudront continuer à construire elles-mêmes.
• 48:12
  Dataiku peut aider tous ses clients à y parvenir.

Points clés

• 48:46
  Dataiku se concentre sur l'intégration des nouvelles technologies d'IA générative pour les rendre accessibles aux entreprises.
• 49:12
  De nombreuses entreprises clientes de Dataiku cherchent maintenant à mettre à l'échelle et à maintenir leurs solutions d'IA générative.
• 49:20
  L'objectif de Dataiku est de rendre l'IA générative concrète et applicable à la vie quotidienne des utilisateurs.
• 49:54
  Le CEO compare la croissance de Dataiku à l'éducation d'un enfant, soulignant le temps nécessaire pour atteindre la maturité.
• 50:38
  L'entreprise compte aujourd'hui des centaines de millions de dollars de revenus annuels et 700 entreprises clientes.
• 51:32
  La croissance de Dataiku lui permet d'attirer les meilleurs talents, ce qui est essentiel pour son succès.
• 52:08
  Le CEO souligne l'importance d'avoir une équipe solide pour concrétiser la vision de l'entreprise.