CNRS La lettre innovation

Partenariats, création d'entreprises, brevets, licences, événement... Retrouvez tous les mois les dernières actualités de la valorisation et de l'innovation au CNRS.

Brevets et licences

Prédire les besoins des consommateurs

L’outil Wysii, de la société Tell Me Plus, permet l’analyse de comportements pour la prédiction de comportements futurs, avec des applications marketing et une ouverture pour des recommandations en "smart grids".

illustration

L’innovation de la start-up Tell Me Plus créée en 2011 par Jean-Michel Cambot (inventeur de Business Objects) en collaboration avec Rémi Coletta du Laboratoire d'informatique, de robotique et de microélectronique de Montpellier (CNRS/Université Montpellier 2) prend le contre-pied des techniques actuellement utilisées en recommandation.

Leur outil appelé Wysii utilise en effet des techniques issues de l’Intelligence artificielle, telles que le machine learning, pour produire des recommandations personnalisées à l’utilisateur. Ces algorithmes très fins mais réputés trop gourmands en temps de calcul ont été optimisés par TellMeplus grâce à la mise en œuvre d’une architecture « In memory », où toutes les données sont en mémoire centrale. Wysii est ainsi capable de fournir des recommandations personnalisées à chacun des quatre millions de clients dans des temps de l’ordre de 50 ms.

L’approche de Tell Me Plus se distingue ainsi des techniques « classiques » issues du datamining qui procèdent en deux étapes :

  • partitionner les utilisateurs dans des groupes (ou clusters),
  • prédire le comportement au niveau de ce groupe.

Ces techniques sont réputées pour leur faculté à traiter des grands volumes de données mais pêchent par leur absence totale de personnalisation et risquent de passer à côté d’un comportement atypique.

La start-up se démarque également par son engagement vis-à-vis de la protection de la vie privée puisque les données qu’elle exploite ne sont jamais nominatives et ne sont pas extraites de fouilles de données de comptes mails ou de réseaux sociaux. Les recommandations se font par rapport à un historique de comportements : consultations, suppressions et réactions aux dernières recommandations proposées sur mobile …Au-delà de ces applications marketing/produit, l’offre de service s’élargit depuis la prise en compte des séquences temporelles dans les recommandations : ce ne sont plus seulement les actions mais l’ordre dans lesquelles elles ont été effectuées qui sont analysées.

Un travail, en cours avec Exalead, concerne le call-center d’un opérateur majeur de téléphonie mobile. Les télé-opérateurs sont déjà assistés d’un système d’aide à la décision, basé sur des règles générales, qui propose des consignes avec des "best next action" mais ces recommandations ne prennent pas en compte les spécificités du client. Par exemple, si les appels sont plus en plus fréquents et leurs durées de plus en plus longues, il ne faut pas réagir comme au premier appel, mais le système doit produire une recommandation pertinente. Cette ouverture sur les séquences temporelles permet une orientation vers les smart grids pour l’optimisation de l’énergie. Le but du projet, en lien avec ATOS, constructeur de compteurs multi-fluides, est d’être capable de faire des prédictions de consommation très fines, à l’utilisateur près, qui permettront un affinage de la planification de l’ordonnancement du démarrage de la production d’énergie (comme les centrales nucléaires), et non plus de se baser sur des prédictions des comportements globaux. Cet objectif fait partie du projet européen ICON.

François Hollande, président de la République, a reçu jeudi 24 juillet à l’Elysée les 110 lauréats de la première édition du Concours mondial de l’innovation. L’entreprise montpelliéraine Tell Me Plus, a été distinguée dans la catégorie «Big Data», grâce à sa plateforme prédictive Wysii.

 

 

Contacts :

Jean-Michel Cambot / Tell Me Plus / jmcambot@tellmeplus.com
Rémi Coletta / Laboratoire d'informatique, de robotique et de microélectronique de Montpellier / coletta@lirmm.fr