Etude Capgemini sur le big data : entretien avec Christian Becht et Manuel Sevilla

On peut tout d'abord s'étonner qu'autant de décideurs s'expriment dès aujourd'hui sur ce sujet, quand on sait que les véritables projets de Big Data achevés se comptent dans le monde sur les doigts de quelques mains. Pour conduire cette étude, Capgemini et The Economist ont adopté une définition du Big Data un peu plus ouverte que les "3 V" habituels, parlant essentiellement de gros volumes de données, et de nouvelles formes de données. La notion de vitesse, et les critères trop techniques ont été laissés de côté. Nous avons posé quelques questions à Christian Becht, Directeur de la ligne de service Business Information Management (BIM) en France et à Manuel Sevilla, CIO pour l’offre Business Information Management au niveau mondial

Decideo : Au-delà des chiffres que chacun peut découvrir en lisant les résultats de cette étude, comment les conclusions qui y sont présentées peuvent-elles être mises en pratique chez Capgemini auprès de ses clients ?

Christian Becht, Directeur de la ligne de service Business Information Management (BIM) en France : Cette étude fait partie d'un plan de développement de nouvelles offres de services. Elle nous a permis de définir de nouvelles offres que nous allons positionner sur le marché. Nous allons dévoiler par étapes onze solutions "big data" et "business analytics", qui permettent d'exploiter le potentiel des big data. Deux de ces offres sont sectorielles, et neuf transversales. Elles couvriront des sujets tels que l'analyse des médias sociaux, l'analyse de la maintenance préventive des équipements techniques, de la connaissance client, de la maitrise des risques, etc.

Decideo : Vous parlez de solutions. Mais le métier de Capgemini est essentiellement la prestation de services. Va-t-il s'agir de solutions conçues avec des partenaires éditeurs ?

Christian Becht : Une solution c'est en effet d'abord un ou des progiciels, avec un partenaire éditeur, qui diffère en fonction des solutions. Mais c'est aussi des modèles de données, l'architecture d'une solution, et bien sur ces solutions réclament du service pour mettre en oeuvre ces progiciels.

Manuel Sevilla, CIO pour l’offre Business Information Management au niveau mondial : Nous avons également des clients et des partenaires qui sont intéressés par un travail en co-innovation. Une partie de notre métier est de construire des solutions génériques que l'on va ensuite adapter aux besoins spécifiques de nos clients, mais qui vont nous permettre d'accélérer la mise en oeuvre.

Decideo : Peut-on aller jusqu'à dire que l'on va "progicialiser" le big data ?

Manuel Sevilla : Je n'aime pas ce terme. C'est plutôt définir un processus commun, qui peut inclure une méthode d'extraction, des bases de données, etc. Quand on travaille par exemple sur l'analyse des réseaux sociaux, que le client soit un opérateur télécom ou un industriel de la grande consommation, les processus d'analyse vont être extrêmement proches. En revanche, la manière dont on va utiliser les données et s'en servir pour améliorer son image, sera spécifique. Refaire le même travail plusieurs fois chez nos clients serait ridicule. Les solutions doivent donc être vraiment perçues comme des accélérateurs.

Christian Becht : Les solutions progiciels de nos partenaires vont donc être complétées par de la propriété intellectuelle, sous forme de modèles de données, de méthodologies ou d'architectures de référence, qui vont nous permettre d'apporter plus de valeur à un client.

Decideo : Cela peut-il aller jusqu'à impacter la répartition du chiffre d'affaires de Capgemini, où la vente de cette "propriété intellectuelle" pourrait prendre une part grandissante face à la prestation sous forme de jours/hommes ?

Christian Becht : Sans doute pas directement sous la forme d'une évolution de la facturation du client. Je pense que sur le marché français il y a encore peu de clients capables d'accepter cette évolution. Mais cela peut se traduire par la mise en avant des accélérateurs qui montrent que l'on a passé moins de jours pour rendre le même service mais avec un tarif à la journée qui va être plus élevé. Notre objectif est clair, d'ici trois ans, d'avoir une part de notre chiffre d'affaires liés à ces travaux. Cela pourra prendre la forme de ventes de solutions, ou de la vente de services grâce à des solutions qui nous ont permis de livrer pour un coût inférieur.

Decideo : Vous nous dites en fait que les entreprise françaises sont encore attachées à d'anciennes méthodes, à une simple comparaison entre fournisseurs des nombres de jours et des taux de journées.

Christian Becht : Cela évolue, certes, mais ce n'est pas uniforme. Mais nous avons des grands donneurs d'ordre, qui après avoir fait du "sourcing" massif, fait de l'off-shore en allant au plus bas; aujourd'hui en reviennent en reconnaissant que l'important est en réalité le coût total de possession et que le lieu de réalisation de la prestation et le prix de la journée ne sont finalement que des variables qui doivent me permettre d'arriver au coût total de possession optimal. Le client auquel je pense a par exemple accepté des hausses de tarifs journaliers de près de 25 % ces derniers mois, en échange d'agilité, de profils plus aptes à dialoguer avec les métiers, de changements organisationnels, de mise en oeuvre directe des technologies, etc.

Decideo : Si l'on revient à l'étude Big Data, et par rapport au marché français, comment le percevez-vous ?

Manuel Sevilla : L'étude a été lancée en février 2012. Mais dès le mois de février nous avons eu un fort taux de réponses, et les personnes interrogées étaient déjà bien sensibilisées à la notion de Big Data. Cela signifie selon moi que le marché est mur depuis bien longtemps dans les entreprises.
Il faut ensuite souligner que les entreprises ont compris les nouveaux enjeux de la donnée non-structurée. C'est une évolution importante depuis deux ans. Je vais prendre un exemple, celui de l'aéronautique. Lorsqu'un avion réalise un vol, il génère des téraoctets d'informations juste au travers des capteurs et des instruments électroniques de l'avion. Si l'on veut utiliser ces données dans le processus de maintenance, pour détecter quelles pièces il faut changer à quel moment, en avance de phase par rapport à ce qui était prévu pour profiter d'une immobilisation de l'appareil et optimiser donc sa disponibilité; Il faut analyser des téraoctets de données non structurées. Car vous avez des capteurs qui viennent de beaucoup de fournisseurs différents, et ont même des versions différentes. La notion de non structuré inclut une notion de non-modélisation. Prenons l'exemple de données semi-structurées en XML. Si l'on a prévu une structure cohérente de lecture de la version 1, lorsque la version 2 arrive avec de nouvelles données, on n'est plus capable d'intégrer ces nouvelles informations. Dans un Airbus ou un Boeing, vous avez des centaines de fournisseurs majeurs et vous ne pouvez pas gérer toutes les micro-évolutions de ces données. Il vous faut donc un système capable de gérer ces données non structurées et une équipe qui puisse mettre à jour les procédures analytiques. La notion de données structurée n'est pas simplement liée au fait que la donnée rentre dans une table de base de données, mais également au fait qu'elle reste structurée à un niveau macro. Dans mon exemple, la donnée est structurée en silo au niveau du capteur, mais elle n'est plus structurée lorsque vous passez au monde de l'avion. Elle n'est plus interprétable simplement.

Decideo : Mais n'est-ce pas à cela que sert le fameux "master data management", à rapprocher les données de différents silos au travers d'un dictionnaire de données unique ?

Manuel Sevilla : Mettre en place du "big data" c'est tout d'abord définir le modèle d'affaires. Car cela coute cher de mettre en place du big data. Il faut ensuite penser au processus d'acquisition des données. Puis aborder la partie "organisation des données", et enfin appliquer des processus analytiques sur ces données; au travers d'indicateurs de performance, de forage de données, d'algorithmes prédictifs, etc. Puis de passer à l'action en réinjectant dans les systèmes sources les bonnes informations. Et tout cela est suspendu à la brique globale de gouvernance de la donnée et donc le Master Data Management, mais aussi la surveillance de la qualité des données, les autorisations d'utilisation. Le big data regroupe tout cet ensemble.