Pour les aider à transformer leurs processus métiers et travailler plus efficacement, COsMO est la première solution mondiale conçue par Synaplus, Made in France, qui valorise les données grâce à l’IA et de manière 100% automatisée.

COsMO, plateforme complète automatisée de valorisation des données

Alors que les décideurs savent qu’il est possible de valoriser les données et que cette valorisation est un véritable trésor - aussi bien pour augmenter le chiffre d’affaires que pour diminuer les coûts - ils ont aussi compris que cette exploitation est extrêmement complexe et délicate.

La valorisation des données requiert en effet d’associer de multiples sources de données, de les nettoyer, de les agréger, puis de les retraiter selon de multiples algorithmes de Machine Learning, pour obtenir les résultats et informations souhaités.

Or, ce paradigme est lui-même obsolète, puisque les données changent de manière dynamique, en temps réel ! De nouvelles données apparaissent, d’autres disparaissent, les structures de données peuvent évoluer et ainsi de suite.

Cette Automatisation par l’IA de la valorisation des data était déclarée par les experts comme « impossible aujourd’hui » et envisageable seulement d’ici à

2025… Synaplus a conçu COsMO qui réalise ce paradigme, après six années de
R&D, de 2014 à 2019. Il est disponible et vérifiable.

COsMO est une solution 100% automatisée, incluant la data préparation, le
Machine Learning et le process de visualisation créés par Synaplus.

COsMO, utilisation d’une IA avancée

COsMO est la seule solution informatique au monde capable de traiter de manière 100% automatisée, sans intervention humaine, des masses de données dynamiques, pour les valoriser et ainsi démultiplier les potentiels de ROIs.

COsMO a été rendu possible grâce à un niveau avancé d’IA, d’informatique et d’architecture très poussés. Construit en architectures de Micro-Services, invocables par API, COsMO s’intègre facilement dans le Système d’Information.

En production, il permet de traiter les data en flux continu (par exemple Cosmo détecte automatiquement l’arrivée de concurrents sur le marché par le changement sur les données, et peut modifier le modèle d’attrition client afin d’en tenir compte).

En mettant l’Intelligence Artificielle au service de l’Intelligence Artificielle (l’IA²), COsMO réalise automatiquement et industriellement les travaux de traitement des données (agrégation, nettoyage, …) et d’analyse (sélection et entrainement de modèles) quel que soit le use case concerné et avec des résultats impressionnants (jusqu’à 300 % de mieux que par la démarche Data Science classique).

Les points forts de COsMO :

– Les utilisateurs n’ont besoin que de données et de puissance de calcul. Aucun autre logiciel n’est nécessaire.

– L’interface COsMO est simple, claire et intuitive. Elle permet de collecter
les données à utiliser, de poser la question métier, de visualiser le processus de valorisation en temps réel et de comprendre les résultats.

– COsMO atteint des niveaux de précisions jusqu’à 300% plus précis que les experts humains (résultats obtenus en production).

– Son architecture a été conçue pour pouvoir traiter de très gros volumes de données et pour pouvoir s’intégrer par API aux applications des entreprises existantes.

– L’architecture de COsMO à base de micro-services facilite l’intégration dans le système d’informations par sa très faible empreinte technique.

COsMO, solution unique et performante et précise

Synaplus a réalisé une vidéo pour dévoiler en images les possibilités de sa solution COsMO : https://www.youtube.com/watch?v=nnmjofiN5To

Seul COsMO atteint un tel niveau de précision ("accuracy") des modèles générés (jusqu’à +300% plus précis par rapport à des experts humains sur de gros volumes de données).

Les concurrents DataRobot (USA), H2O (USA), ne traitent la création de modèles qu’à partir d’un DataSet de DataScientist : fichier qui rassemble les données de différentes sources, qui ont été nettoyées et agrégées par des outils spécialisés (ETL), travail qui “constitue” jusqu’à 80% de l’effort global pour valoriser des données. Et c’est cette rupture d’outils qui rend de fait les solutions citées non aisément industrialisables.