Vers une économie numérique

Big data, big profit ?

Réduire les coûts de la santé en améliorant la prise en charge des malades. Améliorer l’expérience en transports publics pour réduire les émissions de CO2 et fluidifier le trafic. Des entreprises s’attaquent à ces enjeux de sociétés en adoptant une stratégie d’acquisition de multiples sources de données pour constituer un « Big Data ». Ils développent ensuite une capacité à transformer cette nouvelle ressource en un service innovant qui a le potentiel de modifier durablement les domaines sur lesquels ils sont actifs.

Lors du Meyrin Economic Forum sur le thème « l’innovation au service de l’humain » organisé le vendredi 8 février dernier, les organisateurs m’ont demandé de faire une présentation autour de la question suivante : Big data, big profit ? Voici trois tendances illustrées par des exemples qui me permettent de répondre par l’affirmative.

1. Acquérir toujours plus de données – l’exemple de Google

Le printemps arrive, c’est jeudi et le week-end s’annonce radieux. Cette perspective vous donne envie d’acheter une nouvelle paire de lunettes de soleil. Un critère d’achat important est de pouvoir les obtenir avant le week-end ! Lorsque vous faites une recherche sur Google, la première annonce référencée est un opticien qui vous propose les Ray Ban de vos rêves, disponibles en stock, à deux pas de chez vous. La raison : Google intègre cette notion « d’urgence » en proposant un référencement préférentiel à l’opticien qui lui fournit ces données d’inventaire. Ce service s’appelle « Google Merchant Center ».

Google a déjà une compréhension de la demande : l’entreprise a généré en 2018 un chiffre d’affaires de $116 milliards grâce à de la publicité ciblée basée sur les données qu’elle collecte sur vous lorsque vous utilisez des services tels que Google Search, Gmail, Google Maps et YouTube. Avec ces données, Google connaît vos besoins et vos préférences.

En lançant Google Merchant Center, la société augmente encore son « Big Data » en intégrant les données d’inventaire des magasins. Elle obtient ainsi une compréhension de l’offre.

Lorsque vous faites une recherche, Google peut ainsi adapter le référencement et faire correspondre l’offre et la demande pour augmenter la probabilité d’achat. Ce nouveau « Big Data » va lui permettre de renforcer sa position dominante sur ce marché.

2. Valoriser les données disponibles – l’exemple de Babylone Health

Diagnostic en ligne et consultation en vidéoconférence, la prise en charge du patient se fait par un smartphone. C’est la solution de Babylon Health, nouvel acteur de la santé qui développe une intelligence artificielle qui effectue un diagnostic médical. L’interface se présente sous la forme d’un agent conversationnel (chatbot) qui vous pose des questions pour identifier les symptômes de votre maladie. Les algorithmes sont entraînés grâce à des millions de données de pratique de la médecine mises à dispositions par les organismes de santé publique.

En partenariat avec la NHS (National Healthcare Systems en Angleterre), Babylon Health a lancé son service dans certains quartiers de Londres. L’objectif est d’améliorer la prise en charge des malades et de réduire le temps d’attente en vous mettant rapidement en contact avec le spécialiste adéquat ou l’hôpital, en fonction de la gravité et du type de maladie dont vous souffrez. La solution permet d’interagir directement avec un médecin au travers de l’application installée sur son smartphone. Dans la zone desservie par le pilote, le temps moyen pour avoir accès au conseil d’un docteur est passé de 2 semaines à 2 heures. Ce service s’appelle d’ailleurs « Docteur à portée de main » (GP at Hand).

Cette start-up a déjà levé $85 millions pour son développement. Cet argent lui permet d’être active sur toute la chaine de valeur, en développant un réseau de médecins et de cliniques.

3. Générer de nouvelles données – l’exemple de Moovit

Moovit propose une application mobile dédiée aux transports publics et à la mobilité douce : en installant l’application Moovit, vous obtenez l’itinéraire optimal pour vous rendre à votre lieu de rendez-vous en utilisant soit les transports publics, le vélo ou la marche. Son service prend en compte les conditions de trafic en temps réel.

Pour « nourrir » ces algorithmes, Moovit capte différentes sources de données :

Moovit a déjà plus de 300 millions d’utilisateurs à travers le monde. Elle obtient ainsi plus de 4 milliards de géodonnées par jour, ce qui en fait le plus grand registre de données de transport au monde. Pour proposer des services de mobilité à la demande et réduire les embouteillages, l’accès à un tel registre sera indispensable.

La société revend déjà ces informations aux villes qui peuvent ainsi mieux planifier leurs infrastructures. Elle a également signé en novembre dernier un partenariat avec Microsoft. Cette stratégie d’acquisition de multiples sources de données commence donc à porter ces fruits et lui permet déjà de négocier avec des multinationales qui cherchent à jouer un rôle dans la mobilité du futur.

Quatre types de sources de données

Dans sa stratégie d’acquisition d’un « Big Data », il faut donc pouvoir intégrer plusieurs types de flux pour créer une proposition de valeur intéressante. On peut classer les types de sources de données comme suit :

Les technologies de stockage et de transformation de milliards de données sont disponibles, avec de nombreux outils qui sont souvent open source. Si on ne veut pas expérimenter seul ou qu’on ne possède pas toutes les compétences en data science, des plateformes collaboratives apparaissent, à l’exemple de AIcrown, start-up récemment lancée par un professeur de l’EPFL. La valorisation des données est une tendance forte, il est donc temps d’apprendre à donner du sens à vos données.

Ma présentation lors du forum économique de Meyrin :

Quitter la version mobile