LMi-MAG27 Sept - Flipbook - Page 27
© DR
PROFIL LINKEDIN
tinyurl.com/linkedin-Berger
qualité de la donnée que nous souhaitions, nous avons
automatisé les contrôles au travers de nombreux outils,
pour véri昀椀er la complétude, l’évolution dans le temps de
la data, etc. Y seront associés des critères de suivi et des
alarmes, comme sur n’importe quel produit. La qualité
de la donnée passe aussi par un langage commun, via
notre data catalog qui dé昀椀nit tous les termes métiers.
Comment cela se traduit-il dans l’organisation ?
T. B. : Dans les feature teams, nous avons dé昀椀ni le rôle
« Nous voulons identi昀椀er tous les endroits où la GenAI va pouvoir
aider nos clients, particuliers ou professionnels », Thomas Berger,
directeur technique de La Centrale.
visites par mois. Ce qui nous permet d’améliorer notre
marketplace et de lancer de nouveaux produits. Nous
avons par exemple créé un produit de tendances de marché, en analysant les actions qu’enregistre la plateforme.
Avez-vous aussi recours à de la donnée externe ?
T. B. : Tous les ans, nous voyons passer 6 millions de
plaques d’immatriculation, soit 15% du parc de véhicules
en France. Nous avons donc déjà beaucoup de data. Mais
nous allons effectivement chercher des données de
constructeurs, pour bien comprendre leurs options et
les particularités qu’elles présentent a昀椀n d’aboutir à un
catalogue exhaustif de véhicules.
Pourquoi avoir choisi le modèle data mesh pour
exploiter ce triple patrimoine de données ?
de data owner, qui est responsable de la production de
la donnée, de sa qualité et de sa disponibilité dans la
plateforme. Les développeurs de produits data sont,
eux, en charge de réutiliser les outils qui ont été créés
pour produire, stocker et partager la donnée. Subsiste,
en complément, une petite équipe pour la plateforme
de données, dont l’objectif est de construire et de faire
évoluer les outils.
Comment l’IA s’intègre-t-elle dans votre
stratégie ?
T. B. : Nous utilisons l’IA depuis sept ou huit ans, avec
plusieurs produits en production basés sur du machine
learning. C’est par exemple le cas avec la côte de l’occasion ou dans des dispositifs antifraude, passant par la
détection de schémas de discussion suspects. Nous testons d’ailleurs la GenAI sur ces usages. [Lire l’intégralité
de l’entretien sur lemondeinformatique.fr]
APPROFONDIR
T. B. : Nous partions d’un gros datalake. Or, le premier
problème de cette architecture réside dans l’organisation
qui l’accompagne. Comme nous sommes une entreprise
tech et data, tout le monde dans l’entreprise a besoin
d’accéder à la donnée, en étant à la fois producteur et
consommateur de celle-ci. Dans un modèle datalake,
cela suppose de mettre en œuvre une importante équipe
data. Mais, aussi imposante soit-elle, celle-ci ne peut pas
connaître toutes les complexités des di昀昀érents métiers.
Pour éviter une croissance disproportionnée de l’équipe
data, nous avons pris la décision de décentraliser, pour
responsabiliser chaque producteur, tout en lui o昀昀rant
la possibilité de croiser ses données avec d’autres pour
aller plus loin dans l’analyse. Pour garantir le niveau de
ÉCOUTER EN LIGNE
Podcast
tinyurl.com/podcast-La-Centrale
LIRE EN LIGNE
Article
tinyurl.com/article-La-Centrale
27
