Julien Cabot

CEO - Blue DME

Son parcours

  • A été consultant IT pendant 4 ans
  • Rejoint Octo Technology de 2004 à 2014
  • Directeur Big Data Analytics chez Quantmetry de 2014 à 2015

Interview réalisée en avril 2017

Bonjour Julien, pouvez-vous nous détailler votre parcours et comment êtes-vous arrivé à la Data ?

A l’issue de ma formation en école d’ingénieur et en computer science en 2000, j’ai pu explorer l’utilisation de la data au sein de 2 industries plutôt en avance sur ces sujets : le transport aérien, pionner du yield management, et la finance de marché qui engageaient des hordes de mathématiciens à l’époque.

En 2004, j’ai rejoint un cabinet de conseil en technologie dans lequel j’ai été amené à faire grandir une activité de conseil dédiée aux Capital Markets. Suite aux différentes crises financières, nous avons alors décidé de convertir notre savoir-faire (modélisation de marchés, de prises de décision complexes, de comportements…) au service de directions marketing : nous avons connu rapidement des premiers succès dans le monde de l’assurance et dans le monde des telecoms.

Pourquoi avoir décidé d’emprunter la voie du conseil après des expériences en entreprise?

En raison de la promesse d’un enrichissement conséquent de ma culture générale et technique data, via la diversité des problématiques abordées.

Avec du recul, j’estime qu’un des gros avantages du conseil réside dans le timing de nos interventions : les clients font appel à nous au moment de l’accélération de leurs dynamiques data.

De ce fait, nous ne sommes pas exposés au rythme alternatif d’une direction data où les phases ups (investissement, projets) et les phases down (exploitation, maintenance) se succèdent fatalement.

Comment choisir son cabinet de conseil ?

Pour un junior, il faut impérativement rejoindre une équipe de professionnels aguerris en data science pour acquérir les fondamentaux techniques. Mieux vaut donc privilégier les acteurs établis que ce soient des pure players ou des équipes spécialisées au sein de grandes structures de conseil.

Par la suite, faire des va-et-vient entre le conseil et l’univers start-up peut être intéressant pour se confronter à des réalités professionnelles différentes. Via le conseil, on évolue au sein de grands groupes qui ont les moyens d’investir dans la recherche, dans l’acquisition de données, dans la structuration d’infrastructure ou dans la puissance de calculs alors que dans l’univers start-up, la rapidité d’exécution et l’orientation-résultats priment. Ces approches sont donc très complémentaires.

Comment avez-vous vu évoluer la data science en France ?

A partir de 2010, un réel engouement pour ces technologies a permis l’émergence de data labs au sein de la majorité des grandes entreprises. A mon sens, nous sommes aujourd’hui à l’asymptote de cette première vague d’investissement avant une dissolution du big data au sein de l’organisation.

A l’avenir, le yield management, le pricing dynamique, le marketing prédictif auront tellement intégré l’approche big data qu’il n’y aura plus d’opposition entre des équipes classiques et des équipes big data. Le big data sera fondu au sein des métiers puisqu’il en sera devenu la norme.

La grande révolution en cours est celle de l’intelligence artificielle et des systèmes autonomes. Aujourd’hui, il faut absolument se former au deep learning, à la théorie du signal, à la théorie de l’image et du video-processing pour rester à la page.

Au-delà de la mise à jour de ses compétences techniques, le data scientist devra être encore plus compétent au niveau business. Effectivement, l’IA permet de prédéterminer les actions des machines exploitant la donnée en temps réel. Pour programmer de façon pertinente ces machines, le data scientist devra connaitre parfaitement les enjeux de son entreprise.

Pourquoi avez-vous décidé de créer votre structure ?

Au moment où la data science a émergé, j’ai décidé de rejoindre un cabinet de conseil spécialisé en data science, où j’ai œuvré à la structuration de l’entreprise dans un contexte de fort développement.

Cependant, les cabinets de conseil pure players sont souvent limités aux phases de POCs avec une forte pression concurrentielle sur les prix ce qui ne me satisfaisait pas entièrement.

Chez Blue DME, nous avons donc décidé de créer un modèle hybride à mi-chemin entre le conseil et l’édition de logiciels.

Rémunérés en fonction de notre performance, nous offrons à nos clients un accompagnement conseil et des logiciels intelligents intégrés au sein de leurs process. Sur un cas récent, nous avons pris en main un circuit de distribution automobile et grâce à la data science, nous avons significativement optimisé le taux de transformation des équipes commerciales et leurs actions marketing.

Retour aux témoignages