Spinnakr

Spinnakr participe à la saison 5 d'Orange Fab-San Francisco. Dans cet entretien, Michael Mayernick explique en quoi consiste l'activité de Spinnakr.

En quoi consiste votre solution ?  
MM : Nous offrons un produit d'analyse de streaming. C'est un service tout-en-un.

Qu'est-ce qui rend votre produit unique en son genre ?
MM : Notre service fait appel à l'intelligence artificielle, en termes d'algorithmes d'apprentissage automatique. Et ce qui rend notre produit très puissant est le fait que lorsque les utilisateurs et les entreprises envoient leurs données, notre service crée automatiquement des modèles d'apprentissage statistique et automatique. Il le fait pour chaque flux de données, individuellement.
Les flux sont traités en temps réel via des algorithmes. La technologie d'apprentissage automatique inclut également une technologie prédictive. Nous observons les tendances et les extrapolons. Par exemple, nous pouvons suivre l'évolution des compétences requises sur le marché, pour les recherches d'emploi par exemple.

Quel type de flux pouvez-vous analyser ?
MM : Nous traitons toutes sortes de flux : données marketing générées par les visiteurs d'un site web, réseaux sociaux, tweets, données numériques...
Nous travaillons également avec les données de capteur, générées par l’IdO, les villes intelligentes, ou le contrôle d’infrastructures, les données graphiques et relatives à l’éducation…

Qu’est-ce qui différencie Spinnakr des autres ?
MM : Ce qui nous différencie, c’est une combinaison de processus et d'application de l'algorithme en temps réel. Ce sont les données que cela génère qui sont importantes. Elles permettent de réagir immédiatement à n’importe quel évènement. Et donc d'aider les entreprises.

img_spinnakr

Comment « l'apprentissage » est-il mis en œuvre dans le système ?
MM : Notre apprentissage porte sur chaque flux pris séparément. Pourquoi ? Parce que chaque flux possède ses propres caractéristiques et que, par conséquent, le processus d’apprentissage automatique apprend de chaque flux spécifiquement. Il peut ensuite construire un modèle. Fini les équipes de chercheurs étudiant chacun des flux de données, le logiciel apprend désormais de façon automatique.
Par contre, cet entraînement demande du temps pour être formé. Chaque flux doit être observé patiemment. Impossible de commencer le premier jour. L'algorithme doit être mis au point.

Quel est votre public ?
MM : Toute personne travaillant avec des données ...

En savoir plus
En savoir plus