Neo4jⓇ, le leader de la technologie des bases de données de graphes, annonce un programme de déploiement rapide des graphes de connaissances - Knowledge Graph Quick Start – destiné à soutenir sa base croissante de clients utilisant les graphes de connaissances. L'accélération de ce marché est corroborée par les résultats d'une étude indépendante, « Graphes de connaissances : les priorités des directeurs IT », conduite récemment par Pulse qui constate une hausse de la demande en termes de graphes de connaissances de la part des grandes entreprises.
Au niveau le plus élémentaire, les graphes de connaissances sont utilisés pour partager des informations et servent de base à la gestion, à la gouvernance et aux fabriques de données. Pour les clients de Neo4j, les graphes de connaissances sont utilisés pour faire des analyses et des prévisions d'ordre général, pour faire de la planification de scénarios et de plus en plus pour donner du contexte aux systèmes d'apprentissage automatique (machine learning) et d'intelligence artificielle. L'intégration croissante des graphes de connaissances dans les systèmes d'entreprise étend largement leur utilisation dans le lancement et l'automatisation des processus.
Neo4j s'attend à ce que la demande pour sa technologie de graphes de connaissances augmente auprès des grandes entreprises, perspective que confirment les résultats de l'étude menée par Pulse (disponibles en français). La majorité des décideurs IT interrogés (89 %) a un plan d'actions pour développer des projets de graphes de connaissances dans les 12 prochains mois. De plus, 92 % des participants pensent que les graphes de connaissances améliorent la précision de l'apprentissage automatique et des processus associés.
Pour la grande majorité des responsables IT (97 %), les graphes de connaissances ont par ailleurs un potentiel sous-exploité au sein de leur entreprise. Or il y a trois principales raisons qui incitent à généraliser les graphes de connaissances : améliorer les systèmes d'apprentissage automatique et d'intelligence artificielle (60 %), créer de nouvelles sources de revenus (50 %) et connecter les données cloisonnées pour que l'information devienne plus accessible (50 %).
Plusieurs facteurs contribuent à accroître la demande pour les graphes de connaissances. Les tensions mondiales induites par la pandémie de la COVID-19, mais aussi des difficultés secondaires comme la perturbation des chaînes d'approvisionnement qui mettent en lumière des systèmes rigides, obsolètes et inefficaces et poussent les entreprises et les réseaux à un point de rupture. Les employés en télétravail ont de plus en plus besoin d'informations codifiées et organisées qui sont souvent des « connaissances tribales » à caractère périssables. Bien souvent, mettre en œuvre ces connaissances est le levier le plus puissant dont dispose une entreprise pour maintenir son agilité, sa créativité et sa résilience sur un marché incertain et frénétique.
La réussite des clients avec les graphes de connaissances de Neo4j
Les graphes de connaissances de Neo4j offrent une visibilité complète sur les données, les processus, les produits, les clients et – plus important encore – sur la façon dont le tout est connecté. Par conséquent, les entreprises peuvent disposer d'une vue d'ensemble et prendre des décisions plus éclairées. La base de données de graphes Neo4j donne une représentation flexible et intuitive d'une réalité complexe, tout en collectant les informations contextuelles et en unifiant les données fragmentées. Il en résulte des données pertinentes et actuelles qui alimentent les prévisions et les actions en fonction d'une information holistique.
Les entreprises qui ont implémenté les graphes de connaissances de Neo4j sont bien positionnées pour être plus agiles. Parmi leurs cas d'usage de Neo4j pour faire progresser des projets stratégiques figurent les exemples suivants :
L'ICIJ a utilisé Neo4j dans le cadre de l'enquête récente sur les “FinCEN files”. Neo4j collabore avec l'ICIJ depuis leur investigation sur les Panama Papers en 2016 qui a révélé plus de 1,2 milliards de dollars de recettes fiscales dans 22 pays et dont les investigations sur l'évasion fiscale se poursuivent dans plus de 82 pays. En 2017, l'ICIJ a remporté le prix Pulitzer du reportage explicatif pour son travail sur les Panama Papers.
« En utilisant Neo4j, un membre de notre projet Orion a trouvé des informations provenant du projet Apollo qui ont permis d'éviter un problème et nous ont fait économiser plus de deux ans de travail et un million de dollars de fonds publics. » - David Meza, architecte en chef des connaissances à la NASA
« Quatre-vingt-dix pourcents des statisticiens de Lyft se servent d'Amundsen [un graphe de connaissances qui utilise Neo4j] chaque semaine dans leur travail. Nous constatons également que cet outil a renforcé la productivité de près de 30 % dans tout notre service de science de la donnée » - Tamika Tannis, ingénieure logiciel chez Lyft.
Selon Jussi Vira, PDG de Turku City Data en Finlande, Neo4j a été retenue pour n-bridges, un graphe de connaissances à l'échelle de la ville de Turku, notamment parce que le modèle de graphes permet de mettre le graphe continuellement à jour et de proposer de meilleures solutions en réponse aux priorités clés de la ville.
« Avec Neo4j comme socle pour n-bridges, Turku City Data utilise l'intelligence artificielle contextuelle pour résoudre les problématiques de « ville intelligente » à mesure qu'elles se présentent, ce qui donne le temps nécessaire pour les atténuer considérablement avant que le prochain projet n'arrive, » explique Jussi Vira. « Par exemple, grâce à n-bridges, la ville de Turku a pu réagir rapidement aux problématiques liées à la COVID-19, notamment pour livrer des repas à domicile aux personnes âgées confinées. Des techniques de graphes définissent les itinéraires qui optimisent la vitesse de livraison et les ressources de transports, tout en respectant les contraintes de la chaîne du froid. Cette optimisation d'itinéraires basée sur les graphes aide à planifier et à gérer une distribution de repas sûre et économe en ressources. ».
Covidgraph.org offre aux chercheurs un nouveau moyen d'analyser les publications médicales, les gènes, les protéines et les maladies. Cet exercice se révèle inestimable pour trouver des traitements et des vaccins en l'absence d'essais cliniques sur le long terme et d'un minimum de recherche supervisée entre pairs.
NEORIS HealthCheck permet aux entreprises d'évaluer l'état de santé de chaque employé et de comprendre comment les tendances en matière d'infections risquent d'impacter l'endroit spécifique où ils se trouvent. En parallèle, les employés peuvent s'enregistrer et partager des informations critiques sur leur santé, ce qui permet à l'entreprise de leur fournir l'aide et l'accompagnement nécessaires.
eBay pour Google Assistant utilise un graphe de connaissances Neo4j pour déduire des informations contextuelles lors d'un achat. Les ingénieurs d'eBay savaient que le déploiement d'un chatbot auprès de leurs utilisateurs nécessitait un niveau élevé de résilience et de disponibilité pour apporter des réponses prédictibles en quelques millisecondes.
Le centre allemand de recherche sur le diabète accumule de vastes volumes de données répartis sur différents sites. Il a développé une base de données de référence donnant à une équipe de 400 scientifiques une vue holistique des informations disponibles et ouvrant des perspectives précieuses dans les causes et la progression du diabète.
ATPCO a mis en place un moteur de tarification basé sur Neo4j pour fixer les tarifs aériens. Neo4j est au cœur d'au moins cinq des principaux services de données offerts, de la gestion des tarifs au calcul des taxes sur les voyages aériens. Obtenir un prix compétitif pour un voyage en avion implique une grande quantité de traitements de données complexes prenant en compte plus de 100 milliards de permutations de produits.
Accélérer le déploiement des graphes de connaissances
Le programme Knowledge Graph Quick Start de Neo4j propose une solution permettant aux entreprises de déployer un graphe de connaissances en huit semaines à peine. Les experts de Neo4j utilisent des frameworks de solutions pré-développés et personnalisables avec du code, des modèles et des composants éprouvés afin d'élaborer un graphe de connaissances spécifique à chaque domaine. Ces frameworks comprennent des modèles de données et des ontologies pour les systèmes financiers, les chaînes d'approvisionnement, la protection de la vie privée, les informations sur des employés, des clients ou des patients. Parmi ces services figurent :
● Installation et configuration de Neo4j
● Application d'un framework de solution et personnalisation d'un modèle de données
● Conversion des données au format sémantique
● Nettoyage des données, application des contraintes du modèle et résolution des entités
● Application de l'analyse de graphes et de l'apprentissage automatique pour remodeler et compléter un graphe de connaissances
● Tests de performance et réglages pour garantir des résultats optimaux
Au niveau le plus élémentaire, les graphes de connaissances sont utilisés pour partager des informations et servent de base à la gestion, à la gouvernance et aux fabriques de données. Pour les clients de Neo4j, les graphes de connaissances sont utilisés pour faire des analyses et des prévisions d'ordre général, pour faire de la planification de scénarios et de plus en plus pour donner du contexte aux systèmes d'apprentissage automatique (machine learning) et d'intelligence artificielle. L'intégration croissante des graphes de connaissances dans les systèmes d'entreprise étend largement leur utilisation dans le lancement et l'automatisation des processus.
Neo4j s'attend à ce que la demande pour sa technologie de graphes de connaissances augmente auprès des grandes entreprises, perspective que confirment les résultats de l'étude menée par Pulse (disponibles en français). La majorité des décideurs IT interrogés (89 %) a un plan d'actions pour développer des projets de graphes de connaissances dans les 12 prochains mois. De plus, 92 % des participants pensent que les graphes de connaissances améliorent la précision de l'apprentissage automatique et des processus associés.
Pour la grande majorité des responsables IT (97 %), les graphes de connaissances ont par ailleurs un potentiel sous-exploité au sein de leur entreprise. Or il y a trois principales raisons qui incitent à généraliser les graphes de connaissances : améliorer les systèmes d'apprentissage automatique et d'intelligence artificielle (60 %), créer de nouvelles sources de revenus (50 %) et connecter les données cloisonnées pour que l'information devienne plus accessible (50 %).
Plusieurs facteurs contribuent à accroître la demande pour les graphes de connaissances. Les tensions mondiales induites par la pandémie de la COVID-19, mais aussi des difficultés secondaires comme la perturbation des chaînes d'approvisionnement qui mettent en lumière des systèmes rigides, obsolètes et inefficaces et poussent les entreprises et les réseaux à un point de rupture. Les employés en télétravail ont de plus en plus besoin d'informations codifiées et organisées qui sont souvent des « connaissances tribales » à caractère périssables. Bien souvent, mettre en œuvre ces connaissances est le levier le plus puissant dont dispose une entreprise pour maintenir son agilité, sa créativité et sa résilience sur un marché incertain et frénétique.
La réussite des clients avec les graphes de connaissances de Neo4j
Les graphes de connaissances de Neo4j offrent une visibilité complète sur les données, les processus, les produits, les clients et – plus important encore – sur la façon dont le tout est connecté. Par conséquent, les entreprises peuvent disposer d'une vue d'ensemble et prendre des décisions plus éclairées. La base de données de graphes Neo4j donne une représentation flexible et intuitive d'une réalité complexe, tout en collectant les informations contextuelles et en unifiant les données fragmentées. Il en résulte des données pertinentes et actuelles qui alimentent les prévisions et les actions en fonction d'une information holistique.
Les entreprises qui ont implémenté les graphes de connaissances de Neo4j sont bien positionnées pour être plus agiles. Parmi leurs cas d'usage de Neo4j pour faire progresser des projets stratégiques figurent les exemples suivants :
L'ICIJ a utilisé Neo4j dans le cadre de l'enquête récente sur les “FinCEN files”. Neo4j collabore avec l'ICIJ depuis leur investigation sur les Panama Papers en 2016 qui a révélé plus de 1,2 milliards de dollars de recettes fiscales dans 22 pays et dont les investigations sur l'évasion fiscale se poursuivent dans plus de 82 pays. En 2017, l'ICIJ a remporté le prix Pulitzer du reportage explicatif pour son travail sur les Panama Papers.
« En utilisant Neo4j, un membre de notre projet Orion a trouvé des informations provenant du projet Apollo qui ont permis d'éviter un problème et nous ont fait économiser plus de deux ans de travail et un million de dollars de fonds publics. » - David Meza, architecte en chef des connaissances à la NASA
« Quatre-vingt-dix pourcents des statisticiens de Lyft se servent d'Amundsen [un graphe de connaissances qui utilise Neo4j] chaque semaine dans leur travail. Nous constatons également que cet outil a renforcé la productivité de près de 30 % dans tout notre service de science de la donnée » - Tamika Tannis, ingénieure logiciel chez Lyft.
Selon Jussi Vira, PDG de Turku City Data en Finlande, Neo4j a été retenue pour n-bridges, un graphe de connaissances à l'échelle de la ville de Turku, notamment parce que le modèle de graphes permet de mettre le graphe continuellement à jour et de proposer de meilleures solutions en réponse aux priorités clés de la ville.
« Avec Neo4j comme socle pour n-bridges, Turku City Data utilise l'intelligence artificielle contextuelle pour résoudre les problématiques de « ville intelligente » à mesure qu'elles se présentent, ce qui donne le temps nécessaire pour les atténuer considérablement avant que le prochain projet n'arrive, » explique Jussi Vira. « Par exemple, grâce à n-bridges, la ville de Turku a pu réagir rapidement aux problématiques liées à la COVID-19, notamment pour livrer des repas à domicile aux personnes âgées confinées. Des techniques de graphes définissent les itinéraires qui optimisent la vitesse de livraison et les ressources de transports, tout en respectant les contraintes de la chaîne du froid. Cette optimisation d'itinéraires basée sur les graphes aide à planifier et à gérer une distribution de repas sûre et économe en ressources. ».
Covidgraph.org offre aux chercheurs un nouveau moyen d'analyser les publications médicales, les gènes, les protéines et les maladies. Cet exercice se révèle inestimable pour trouver des traitements et des vaccins en l'absence d'essais cliniques sur le long terme et d'un minimum de recherche supervisée entre pairs.
NEORIS HealthCheck permet aux entreprises d'évaluer l'état de santé de chaque employé et de comprendre comment les tendances en matière d'infections risquent d'impacter l'endroit spécifique où ils se trouvent. En parallèle, les employés peuvent s'enregistrer et partager des informations critiques sur leur santé, ce qui permet à l'entreprise de leur fournir l'aide et l'accompagnement nécessaires.
eBay pour Google Assistant utilise un graphe de connaissances Neo4j pour déduire des informations contextuelles lors d'un achat. Les ingénieurs d'eBay savaient que le déploiement d'un chatbot auprès de leurs utilisateurs nécessitait un niveau élevé de résilience et de disponibilité pour apporter des réponses prédictibles en quelques millisecondes.
Le centre allemand de recherche sur le diabète accumule de vastes volumes de données répartis sur différents sites. Il a développé une base de données de référence donnant à une équipe de 400 scientifiques une vue holistique des informations disponibles et ouvrant des perspectives précieuses dans les causes et la progression du diabète.
ATPCO a mis en place un moteur de tarification basé sur Neo4j pour fixer les tarifs aériens. Neo4j est au cœur d'au moins cinq des principaux services de données offerts, de la gestion des tarifs au calcul des taxes sur les voyages aériens. Obtenir un prix compétitif pour un voyage en avion implique une grande quantité de traitements de données complexes prenant en compte plus de 100 milliards de permutations de produits.
Accélérer le déploiement des graphes de connaissances
Le programme Knowledge Graph Quick Start de Neo4j propose une solution permettant aux entreprises de déployer un graphe de connaissances en huit semaines à peine. Les experts de Neo4j utilisent des frameworks de solutions pré-développés et personnalisables avec du code, des modèles et des composants éprouvés afin d'élaborer un graphe de connaissances spécifique à chaque domaine. Ces frameworks comprennent des modèles de données et des ontologies pour les systèmes financiers, les chaînes d'approvisionnement, la protection de la vie privée, les informations sur des employés, des clients ou des patients. Parmi ces services figurent :
● Installation et configuration de Neo4j
● Application d'un framework de solution et personnalisation d'un modèle de données
● Conversion des données au format sémantique
● Nettoyage des données, application des contraintes du modèle et résolution des entités
● Application de l'analyse de graphes et de l'apprentissage automatique pour remodeler et compléter un graphe de connaissances
● Tests de performance et réglages pour garantir des résultats optimaux
Autres articles
-
Neo4j transforme son portefeuille de bases de données cloud pour accélérer l'adoption des graphes et de l’IA générative en entreprise
-
Podcast : La donnée sous tous les angles, avec Philippe Charpentier, CTO de NetApp France
-
Podcast : Données CSRD et ESG avec Nicolas Letavernier Workiva
-
Podcast : Ethique et responsabilité de l'IA, et si la clef venait des graphes de connaissance
-
Neo4j annonce sa collaboration avec Snowflake pour l'analyse prédictive et l'analyse avancée de l'IA
