Marc Sanselme 00:00:01 – 00:00:34 : Bonjour et bienvenue sur Data Driven 101. Je suis Marc Saint-Saëns, l’hôte de ce podcast qui s’intéresse aux applications concrètes et variées de l’intelligence artificielle et de la data. Dans Data Driven 101, je reçois chaque semaine des professionnels pour qu’ils nous partagent leurs expériences et leurs visions sans filtre. Aujourd’hui, je reçois Mickaël Deheneff, VP Data et AI chez Orange Business. Orange Business est une division d’entreprise Orange dédiée à l’accompagnement des entreprises dans leur transformation numérique. Elle se concentre principalement sur les solutions en data, intelligence artificielle, cloud, digital, cybersécurité. Bonjour Mickaël. 

Michael Deheneffe 00:00:34 – 00:00:35 : Bonjour. 

Marc Sanselme 00:00:35 – 00:00:40 : Alors Mickaël, est-ce que tu peux nous parler un peu plus d’Orange Business ? Qu’est-ce que vous y faites ? 

Michael Deheneffe 00:00:40 – 00:01:22 : Eh bien, vous connaissez sûrement Orange Business pour les réseaux, la connectivité, la téléphonie, etc. Et ce n’est pas que ça. Depuis une dizaine d’années, Orange Business a décidé d’investir dans le champ des données au sens global, c’est-à-dire son transport évidemment par les réseaux, mais son stockage, le cloud, son analyse par la data, son intelligence artificielle pour pouvoir en créer de la valeur et de l’impact positif, mais aussi sa sécurisation. Et de cette manière, on peut gérer la data de bout en bout. On peut la capter, la transporter, la stocker, la sécuriser, l’analyser et la transformer en valeur. Et donc pour ça, effectivement, une série d’acquisitions ont été faites dans les dernières années. Et c’est maintenant un pôle de 7000 personnes, 7000 consultants en Europe, dont 4000 en France, qui s’occupent de ces sujets de transformation numérique des entreprises, la data, le digital et le cloud. 

Marc Sanselme 00:01:22 – 00:01:27 : Ok. Alors quel genre de data est-ce que vous traitez ? 

Michael Deheneffe 00:01:27 – 00:04:45 : Alors d’abord, on a les données internes chez Orange Business et on les accompagne et on aide l’entreprise à créer de la valeur et créer l’impact avec ces données. Comme toute entreprise, on essaie de piloter notre activité, on essaie de faire mieux, on essaie de dépenser moins, on essaie de lutter contre tout type de fraude, de risque, etc. On essaie aussi d’innover avec la data. Ça, c’est ce qu’on fait en interne. Et j’ai envie de dire comme n’importe quelle entreprise. Mais on est aussi une ESN, on est aussi une entreprise de service du numérique et on accompagne nos clients à gérer leurs données. Et leurs données, c’est très vaste. On a les données classiques, les données structurées qu’on a dans les bases de données, dans les systèmes d’information. Mais nous, on a une conviction, c’est que tout est donné. Tout ce qui est réel peut être observé, donc mesuré et donc transformé en données. Et donc la donnée, elle est partout. Je prends toujours cet exemple, mais la météo, c’est une donnée. Et elle impacte absolument tout dans le monde. Elle impacte la mobilité, elle impacte le présentéisme, elle impacte les performances sportives, elle impacte tout. Et c’est une donnée. Et je connais très peu d’entreprises qui ont la météo comme donnée dans leur système d’information. Et pourtant, elle impacte ces systèmes d’information. Donc tout est donné. Donc on accompagne les entreprises à d’abord identifier quelles sont les données qui les intéressent, les leurs, celles qu’on peut avoir par des partenaires, celles qu’on peut capter dans leur système de production. Et comment on peut la transformer en valeur pour l’entreprise ? Est-ce qu’il y a des exemples d’applications IA que tu pourrais nous partager, que vous avez développées ? Mais l’IA, c’est un sujet qui est majeur parce que l’idée, c’est qu’on puisse aider les entreprises à s’améliorer en continu. Si on veut retenir ce que c’est que l’IA, l’IA, c’est quand même quelque chose qui est auto-apprenant, qui va s’améliorer au fur et à mesure et qui nécessite des bonnes datas pour prendre les bonnes décisions et pour créer de la valeur de manière automatisée et le plus possible. Alors, il y a plein d’exemples possibles dans à peu près tous les départements. Si je prends un département commercial, par exemple, analyser le comportement de ses clients, leurs attentes, leur comportement sur des canaux, ça peut être très intéressant pour voir comment je communique avec les clients. L’exemple un peu simple, c’est qu’on accompagne pas mal d’entreprises à analyser non seulement qui aime quoi, l’idée c’est d’envoyer des messages avec des contenus qui intéressent les clients, quel que soit le secteur, Mais c’est aussi de savoir quel est leur canal préféré. Est-ce que le client préfère recevoir un email le matin ou un message WhatsApp le soir ? Évidemment, en tenant compte de ses consentements, en tenant compte aussi d’une pression commerciale, etc. Mais tout ça, c’est des données. Ça, c’est pour le marketing. On accompagne les départements financiers pour faire du pilotage d’entreprise. C’est-à-dire qu’on va les aider à faire des budgets, à anticiper les effets économiques en croisant des données internes, externes, pour pouvoir mieux piloter une entreprise. C’est très varié, ça peut aller très loin. On va aider des départements, j’ai cité le marketing, j’ai cité la finance, on peut citer à peu près tous les secteurs, les secteurs industriels par exemple. on a accompagné des entreprises pour les aider dans leur production industrielle, tenant compte notamment de l’environnement, avec un objectif qui est clair, c’est de dépenser le moins possible et d’émettre le moins possible de CO2, par exemple. Voilà une application concrète de la data. C’est comment est-ce que j’augmente ma production et que je diminue mes émissions de CO2 en optimisant un process. Ça, c’est la data qui peut y aider. Et la data, elle va se transformer en valeur à travers notamment l’intelligence artificielle. 

Marc Sanselme 00:04:47 – 00:04:51 : Quel est l’impact sociétal de l’IA selon toi ? 

Michael Deheneffe 00:04:51 – 00:07:45 : Il va être majeur parce que, d’abord, il y a un effet. L’IA et l’IA générative, ça va bouleverser beaucoup de choses, mais sans doute plus lentement que certains le disaient, mais plus profondément que certains disent aussi. Et donc, c’est un paquebot qui avance et qui sera là inexorablement. Et ça va avoir des effets sociétaux majeurs comme toute révolution. La révolution Internet, la révolution industrielle, la révolution de l’électrification, etc., le métier à tisser, toutes les révolutions ont entraîné des changements. Les changements, ils ont toujours des effets négatifs, parce qu’effectivement, il y a des choses qui ne seront plus faites comme avant, et ça ouvre aussi des champs des possibles très vastes. Et l’IA, c’est un outil. C’est une famille d’outils. La question, c’est qu’est-ce qu’on va en faire ? Et on peut en faire des choses absolument géniales. On peut vraiment faire des choses qui sont… Comment dire ? Un impact positif pour tout le monde. Encore ce matin, je discutais avec des acteurs de la santé. La data en santé, ça permet de faire une médecine qui est plus personnelle, plus prédictive, plus préventive et qui coûte moins cher. Il n’y a pas de perdant. Absolument tout le monde est un gagnant si on applique la data à la santé. Mais par contre, ça va changer des jobs. ce qu’on appelle une « ambient AI », c’est-à-dire une IA qui va écouter une conversation, notamment un entretien médical, et qui va la retranscrire de manière structurée dans un rapport médical. Avant, c’était le job d’un interne. Maintenant, ça va être le job d’une IA. Et donc, ça impacte des jobs, ça impacte des façons de faire. Et donc, l’impact social que je vois, c’est qu’il faut y être prêt. Et je pense que tout le monde doit être, non pas formé, c’est une bêtise, mais tout le monde doit être sensibilisé à ce que c’est que la data IA, Tout comme on a tous une formation minimale, on sait qu’on ne peut pas voler, on sait qu’on ne peut pas corrompre, etc. On a une formation minimale en finance, elle est minimale. Mais tout le monde l’a et tout le monde le sait, on l’apprend à l’école, dans tous les parcours académiques. Alors que sur la data, ce n’est pas le cas. Mais ça change. Il n’y a plus un seul médecin en France, par exemple, qui sort sans avoir une formation minimale sur la data. C’est dans leur cursus, c’est obligatoire, ce n’est plus un cours à options. Et je parle des médecins, mais je pourrais parler de n’importe qui. Et donc dans les entreprises, il y a un effet majeur, c’est qu’on va devoir former tout le monde. Sensibiliser absolument 100% de la population et former certains. Et puis ça invite aussi, et ça c’est de manière sociétale, on est tous consommateurs, acteurs de data, on le voit au quotidien, on est tous aussi potentiellement des victimes de menaces ou d’attaques basées sur la data. On parle beaucoup du phishing, et effectivement le phishing depuis l’IA et depuis l’IA générative a monté en gamme, c’est-à-dire qu’on reçoit des emails sans fond d’orthographe, bien foutus, avec des données très personnelles qui ont été captées sur pas mal de choses, etc. C’est de plus en plus crédible. Et donc il faut aussi pas uniquement avoir une culture de la data ou l’IA, une culture du doute, de croiser les sources, de la véracité, etc. Donc c’est vertigineux comme changement. Ça tombe bien, on a des années pour s’y préparer. Ça a commencé il y a quelques années, il faut encore se projeter à l’horizon 10 ou 15 ans. Ça va venir très vite pour certains domaines, plus lentement pour d’autres, mais j’ai une certitude, c’est qu’on doit tous être prêts à cette révolution parce qu’elle va nous impacter tous au quotidien. 

Marc Sanselme 00:07:47 – 00:08:59 : Tu dis qu’il y a pas mal de choses qui passent par l’éducation, le fait de se former, de s’adapter au champ des possibles aujourd’hui, considérer que c’est normal. Peut-être de prendre un coup de fil, d’entendre la voix de quelqu’un qui n’est pas de ce qu’il est. Sur tout l’aspect de ce qu’on va faire comme application avec, quelle est la marge de manœuvre ? Cette option existe, cette facilité de certaines tâches existe. Est-ce qu’on peut vraiment choisir? où est-ce qu’on l’utilise, où est-ce qu’on ne l’utilise pas ? Est-ce qu’on pourrait vouloir qu’elle remplace le job de personne ? On pourrait vouloir qu’elle n’ait que du positif, entre guillemets, à partir du moment où elle existe, à partir du moment où elle est là. Quelle crédibilité on peut donner à cette option ? Quelle est la marge de manœuvre ? 

Michael Deheneffe 00:08:59 – 00:11:12 : Alors, quel que soit l’organisme, l’organisation ou l’individu qui veut faire quelque chose avec les données, il faut croiser plusieurs contraintes. D’abord, est-ce que c’est techniquement possible ? Deuxième, est-ce que c’est légalement autorisé ? Et on sait que les législations mettent un peu de cadre. L’Europe a commencé par le cadre. Et voilà, au moins, c’est dans quel espace on peut jouer. Est-ce que c’est accessible financièrement ? Est-ce que c’est soutenable ? Et souvent, on a des idées qui sont parfaites sur papier, mais qui ne tiennent pas à l’échelle parce qu’il n’y a pas le modèle économique derrière. Et enfin, et c’est le plus important, c’est est-ce que je veux le faire ? Est-ce que j’assume le fait de le faire ? Et ça dans les entreprises, il faut aussi clarifier l’éthique qu’on veut donner aux données. Alors ça pourrait être un grand mot, parfois un peu vain, mais les entreprises vont aussi devoir être de plus en plus transparentes sur ce qu’elles vont faire des données, et l’afficher, et communiquer dessus. Et je pense qu’on le voit d’ailleurs poindre, il y a des entreprises dont le business model est bien compris par les clients, et qui marchent bien, et il y a des entreprises dans lesquelles le business model est moins connu par les clients, et parfois il y a des doutes. C’est, qu’est-ce que tu vas faire avec mes données, si je te donne mes données ? Et moi, il n’y a rien qui m’énerve plus qu’on me demande ma date de naissance quand je veux donner un article scientifique. Ils n’ont pas besoin de ma date de naissance, je ne vois pas pourquoi ils auraient besoin de ma date de naissance, ça n’a pas d’intérêt pour eux. Par contre, quelqu’un, j’en sais rien moi, dans lequel l’âge serait important, je sais pas, pour avoir une carte de fidélité en fonction de l’âge, peut-être que maladonnaissance, elle est légitime. Donc j’ai aussi besoin de comprendre, moi consommateur, dans quel cadre je donne mes données, et elle va servir à quoi ? Parce que je veux comprendre ce qu’ils vont en faire, ce que l’organisme en face de moi va en faire, et pourquoi il le fait. Et ça je pense qu’il y a une exigence de transparence de plus en plus grande qui va venir, parce que on va être très vite exposé à ce que les données vont être. Moi je suis un peu paranoïaque, moi je paie encore tout en liquide, parce que j’assume que ma banque n’a pas à savoir ce que je consomme. Alors je suis un peu dans l’extrême, alors que On va être très clair, la grande distribution des banques n’en font rien de mal pour l’instant. Elles vont juste analyser que je consomme plutôt ça, plus ça, etc. Mais il n’y a rien de mal pour l’instant. Je me dis que ces données sont là pour toujours et que potentiellement, une donnée, c’est une valeur et ça dit beaucoup de choses de moi. Je n’ai pas forcément envie de laisser des traces partout. Voilà, c’est sans doute mon côté expert un peu paranoïaque. 

Marc Sanselme 00:11:13 – 00:11:53 : Oui, c’est intéressant parce qu’effectivement, l’IA est en train de remettre un peu les yeux en face des trous. Du moins, je l’espère. J’espère que ce n’est pas juste un vœu de ma part. Mais là où on s’était jeté dans le cloud et on s’est mis à stocker nos données un peu partout, massivement, sans trop se poser de questions, sur qui il les avait entre ses mains ? Avant, on ne pouvait pas les lire facilement, on ne pouvait pas les exploiter facilement. Aujourd’hui, on se rend compte que la machine est capable de parcourir très rapidement et d’extraire de l’information. Ça remet un peu l’église au centre du village à ce niveau-là. 

Michael Deheneffe 00:11:53 – 00:13:08 : Et moi, c’est ce qui me fait lever le matin, c’est que je travaille pour une boîte française-européenne, Ronge. et que je veux participer à cette révolution numérique, mais de là où je suis, c’est-à-dire en France et en Europe. Et j’ai tellement d’amis, de collègues, d’ex-collègues, etc., qui sont brillantissimes et qui ont été formés en Europe, et qui travaillent pour des boîtes qui ne sont pas européennes. Et je me dis qu’on est un peu naïf parfois en Europe, et qu’on doit urgemment reprendre un peu la maîtrise de notre destin numérique. C’est pas le seul domaine, je pense aussi que d’un point de vue énergétique, on a les mêmes ambitions. Mais arrêtons d’être naïfs et il convient rapidement de maîtriser la chaîne. Alors c’est facile à dire, c’est plus compliqué à faire. Il n’y a pas de GAFAM européen. On peut le regretter, mais il n’y en a pas. Je pense qu’il lui fallut prendre des décisions il y a 10 ou 15 ans pour possiblement en avoir un. Ça n’a pas été fait. Alors qu’il y a des sous 15 ans, dans le domaine dans lequel je travaille, les leaders étaient tous européens. Alcatel, Nokia, Siemens, Ericsson, ils étaient tous européens. Maintenant, quand on parle de téléphonie par exemple, on va penser à Android et à Apple qui sont tous les deux américains. Et si on en rajoute quelques-uns, ils vont être chinois, coréens ou américains. Donc il n’y a plus d’un européen. Et ça, ça m’embête et je veux modestement participer à ça et faire en sorte que l’Europe continue à exister et retrouve une place de choix dans ce monde numérique. 

Marc Sanselme 00:13:10 – 00:13:22 : Alors comment on fait pour que le fossé qui se creuse entre les gens qui savent utiliser l’IA et ceux qui ne savent pas, comment on s’adapte à ce fossé qui se creuse, soit en haut comble, soit… 

Michael Deheneffe 00:13:23 – 00:17:39 : Alors, je vais dire un truc avec lequel je sais que je ne ferai pas une anonymité, c’est pas grave. Je ne pense pas qu’il faut penser qu’un jour l’IA va irriguer absolument tout le monde. Je pense qu’il faut laisser le choix aux personnes de rentrer dans un processus numérique ou pas. Et quand moi je conseille des clients, alors en interne, mais aussi en externe, je leur dis, si votre process est bon pour 98% des gens, il reste 2% des gens qui peut-être ne le voudront pas. Et je prends l’exemple classique, on a tous vu ça, on est sur un robot vocal dans lequel le pouce est sur 1, le pouce est sur 2. Moi, je rêve de l’obligation d’avoir possession neuve pour parler à un employé. À un moment, mon sujet ne rentre pas dans les cases où je veux parler à un employé. Permettez-moi de le faire. Sur un chatbot aussi, le chatbot a plein d’avantages. Ça permet d’avoir des réponses 24 heures sur 24, 7 jours sur 7, où je sois dans le monde, dans ma langue, etc. C’est super. Mais à un moment, quand je conçois des chatbots avec mes équipes, je laisse la possibilité toujours de dire je veux sortir du chatbot, je veux parler à un employé. Même si c’est plus tard, que je vais être resservi moins vite, mais à un moment, je veux pouvoir être entendu. Et je pense que il y a une série de personnes qui ne voudront pas rentrer pour de bonnes ou de mauvaises raisons, mais peu importe. Il faut en tenir compte. Je pense que quand une entreprise veut offrir un service à tout le monde, il faut qu’elle pense à tout le monde. Ça, c’est d’un point de vue un peu macro. Maintenant, d’un point de vue micro, je pense que dans les entreprises, il faut tous qu’on augmente notre niveau de compréhension des datas. Il y a un truc que j’adore faire dans les entreprises, quand je les analyse avec eux, je regarde ce qu’ils ont comme données. D’abord, les données sont en général… hétérogènes, on a les mêmes données dans trois endroits différents. C’est déjà une très bonne nouvelle, c’est 20 ou 30. Et en général, je leur demande toujours combien d’agriculteurs afghans vous avez dans vos bases de données. Alors en général, on me regarde en disant « mais non, moi je vends des voitures en France, j’ai pas d’agriculteurs afghans ». Je leur dis « mais vérifiez ». Il y en a toujours. Parce que sur un formulaire, quand on doit rentrer la nationalité et rentrer la profession, la parole d’alphabétique, la première qui apparaît, c’est « Afghanistan » et c’est « agriculteur ». Et parce qu’on a demandé une donnée et qu’elle n’est pas utile, les gens vont la remplir, parce qu’il faut remplir, le champ est obligatoire, et ils vont prendre la première. Tout comme on a dans le secteur de l’héritier environ 3 ou 4% des gens qui sont nés le 1er janvier. Alors statistiquement, ce n’est pas possible. Le 1er janvier, il y a 0,3% des gens qui sont nés, comme tous les autres jours de l’année. C’est statistique. Sauf que quand on demande leur date de naissance, ils vont la donner, mais pas la bonne. Donc la donnée, c’est aussi quelque chose qui doit être pertinent, et il faut aussi avoir de la pertinence au moment où on la capte. Est-ce qu’elle a du sens ? Et avoir d’une donnée ne suffit pas, il faut avoir une donnée qui est juste, et essayer de la traiter. On a tous vu ça, à un moment on demandait des RDC emails et on mettait n’importe quoi, maintenant quand je donne une RDC email, en général c’est pour recevoir un code qui me permettra de passer à l’étape suivante. L’idée c’est quoi ? C’est de vérifier que l’RDC email c’est bien celle de la personne qui est occupée à remplir le formulaire. Et donc, je dis ça aussi parce qu’il faut sensibiliser en interne à l’usage de la data, ce que c’est qu’une donnée, comment on la capte, comment on en capte peut-être un peu moins, mais de meilleure qualité, en tout cas dans les formulaires, mais aussi comment je la capte partout, dans tous mes processus. Et la data, ce n’est pas uniquement des bases de données, c’est des capteurs, c’est des sensors, c’est maintenant depuis le Computer Vision et depuis maintenant l’IA générative, Les documents, c’est la data. Et c’est presque la data accessible. Un PDF, c’est de la data. Comprendre le sens d’une phrase, c’est devenu de la data. Avant, c’était un texte, c’était un document. Maintenant, c’est la data. Et là, il y a un fossé très important aussi dans les entreprises. Entre les entreprises qui gèrent plutôt bien leurs datas et leurs documents, elles sont plutôt rares. Et les entreprises qui gèrent plutôt mal leur données et leurs documents, elles sont plutôt nombreuses. Notamment les entreprises un peu anciennes, qui sont très silotées, fragmentées, etc., Et qu’est-ce qui fait la différence entre une société classique, qui a globalement une évolution qui est linéaire, qui croit entre 0 et 5% par an, et des sociétés qui sont exponentielles ? On va citer les GAFAM évidemment, mais on peut citer aussi, si je prends des américains, les Natoo, Netflix, Airbnb, Tesla, Uber, ou des entreprises qui ont réussi leur transformation numérique, elles ont tout un point commun, c’est qu’elles sont data-centriques. La data est au centre, et la data c’est leur actif principal. Et le point commun entre un Uber, un Tesla, un Microsoft, c’est la donnée. L’un fait des voitures, l’autre fait du logement, le troisième fait du software. Leur point commun, c’est les datas. Et elles sont extrêmement bien gérées en interne pour pouvoir, en permanence, que chaque département puisse utiliser le même capital data et que chaque département puisse alimenter le même capital data qui va servir à tous les autres. Et ce qui permet de faire des croissances exponentielles et pas des croissances linéaires. Et ça change tout. 

Marc Sanselme 00:17:41 – 00:17:49 : Alors du coup, on a fait une belle digression, il y a plein de choses intéressantes, mais sur le fossé qui se crée entre les forts et les faibles. 

Michael Deheneffe 00:17:49 – 00:20:17 : Alors si on revient à ça, sensibilisation, formation, formation, et pas uniquement en début de carrière. Ça, c’est vraiment le gap important. Je pense qu’on pense tous, effectivement, je l’ai cité tout à l’heure, que des personnes allaient être sensibilisées à la data au début de carrière, dans la formation initiale. Mais en fait, on a une carrière qui va durer à peu près 40 ans maintenant. Et 40 ans, c’est le temps de deux ou trois révolutions numériques majeures. Et donc, il va falloir aussi qu’on forme l’ensemble des employés sur la data de manière régulière dans l’entreprise. Et chaque entreprise va avoir cette responsabilité-là. C’est aussi d’augmenter la connaissance de la data et de l’IA de ses employés. Alors, une sensibilisation pour tout le monde et une formation approfondie pour d’autres, mais régulière parce que c’est comme la corruption. Il faut que tout le monde soit sensibilisé. Il faut le faire. Et après, je pense que des entreprises à vocation large, et Orange en fait partie, nous on essaye de constituer des formations dans lesquelles on va aider les personnes à prendre en main ce genre de choses. On fait des parcours de formation pour les entreprises, on fait des parcours de formation pour les individus, etc., qui leur permettent un peu de monter en compétence. On n’est pas les seuls, et c’est heureux, parce que je pense qu’il faut accompagner une série de personnes qui ne sont pas à l’aise pour l’instant, qui n’osent pas, qui n’ont pas le temps, qui sont parfois un peu seules, et il faut le faire, mais par contre je pense qu’il ne faut pas les obliger à le faire. Et puis enfin, je pense qu’il y a un rôle des services publics aussi à faire en sorte d’avoir quelques aides, quelques accompagnements pour les personnes qui sont un peu laissées sur le bord de la route, sur toute cette évolution qui va très vite. On a tous vécu, on a tous dans nos familles, des grands-parents, des parents qui sont parfois un peu pas du clou numérique, Ils ont fait beaucoup de services après-vente quand il faut le faire pour les accompagner sur internet, sur envoyer un email, sur réserver un billet d’avion, etc. Et c’est vrai que réserver un billet d’avion, avant c’était pousser la porte d’une agence, de plus en plus maintenant ça se passe sur le net et ça peut être compliqué. Mais je répète, moi je pense que la clé c’est que les entreprises, les services publics, doivent penser 100% de leur public et pas uniquement 95 ou 98% des gens. pour faire en sorte que les personnes sur le numérique puissent dire, moi je suis perdu, votre processus ne me convient pas, je veux parler à quelqu’un qui va m’aider, et pas uniquement quelqu’un qui va m’écouter une plainte, mais quelqu’un qui va m’aider, m’accompagner, et qui va me permettre d’aller au bout du processus, mais sans vous. Et donc c’est vertigineux. ce qui nous attend, c’est des formations initiales, des formations continues, c’est de la sensibilisation, c’est des processus pensés pour tous, pour faire en sorte que le gap continue à exister, je ne me fais pas de… Pas d’ambition un peu naïve. Mais par contre, il faut que ce gap soit soutenable et qu’il ne s’écarte pas dans la durée. 

Marc Sanselme 00:20:20 – 00:21:42 : Oui. Tu parlais des personnes âgées. Ce qui m’a… Ce qui m’intéresse aussi, c’est du côté plutôt des jeunes, en fait, qui naissent avec cette technologie existante. Il y a un peu cette idée que la compétence se perd au fur et à mesure. Maintenant qu’on a des GPS, on ne sait plus servir de carte, etc. Et j’ai l’impression qu’en fait, se servir d’un ordinateur, se servir d’une machine sans assistance ultime qui fait tout à notre place est quelque chose qui a tendance à un peu se perdre. Est-ce que de ce côté-là, parce que finalement, l’entreprise, ce qui l’intéresse aussi, c’est les recrues, comment faire monter en compétence les recrues qui sont plutôt… généralement jeunes, comment on peut… La formation, j’ai bien compris. Concrètement, comment est-ce qu’on peut s’assurer de cette montée en compétences de générations qui n’ont pas connu le fait de devoir se débrouiller, de devoir faire autrement que passer par ces outils extrêmement performants qui changent la vie ? 

Michael Deheneffe 00:21:42 – 00:25:11 : Alors là aussi, je pense qu’on va devoir personnaliser les parcours de formation en fonction du type de personne. Et je pense qu’il y a plusieurs choses. Moi, je fais partie des gens qui pensent que les jeunes, ça fait beaucoup plus de choses que nous, il y a quelques années, et que nos parents encore plus, c’est-à-dire qu’ils sont peut-être moins bons d’orthographe. mais ils savent utiliser plein d’outils qu’on ne savait pas utiliser à l’époque. Ils sont ouverts sur le monde bien plus qu’on ne l’était à l’époque. Et donc, je pense que la façon d’apprendre et le périmètre d’apprentissage est très différent. Et donc, je pense qu’ils sont un peu mindés différemment. Effectivement, ils ont des temps de concentration plus courts, on sait tout ça. Mais ils ne sont pas moins bons pour autant. Je pense qu’il va falloir qu’on les forme. Je ne pense pas qu’il faille que tout le monde comprenne comment fonctionnait un ordinateur avant l’IA, par exemple. parce que ce serait vain et finalement ce serait pas très utile. je pense que certains doivent le savoir. par contre tout le monde doit savoir comment utiliser les outils du moment en tout cas le plus de gens possible parce que ça fait partie des outils accessibles. tout comme dans. je prends l’allusion avec la mobilité tout le monde doit pas savoir comment une voiture fonctionne à l’intérieur du capot. certains doivent le faire parce qu’ils les construisent ils les maintiennent etc. par contre tout le monde doit connaître le code de la route absolument tout le monde dans un espace commun. certains vont passer le permis de conduire parce qu’ils vont faire quelque chose. et d’autres même sont des professionnels de la route. Et par contre, ils font un discernement de chacun en disant, mais quand tu dois faire 20 mètres, tu ne prends pas la voiture, tu vas à pied. Quand tu dois faire 2 km, tu ne prends pas la voiture, tu prends le vélo. À Paris, en pleine journée, tu prends plutôt les transports en commun. Et donc, on a tous cette façon aussi, même si on ne connaît pas, moi je ne sais pas qu’on est à métro, par contre j’ai mon permis de voiture, j’ai un vélo, etc. Eh bien, pour les outils de demain, c’est un peu pareil. C’est de sensibiliser tout le monde à quel outil utiliser dans quelles circonstances. Et de ne pas utiliser de l’IA pour tout, ne pas utiliser de l’IA générative pour tout. D’abord c’est un non-sens écologique, c’est un non-sens pratique, les résultats sont peut-être pas très bons, etc. Et puis il y a un sujet sur lequel moi j’adore, c’est que tout le monde parle de former effectivement les jeunes, les recrues, comment j’ai fait rentrer dans l’entreprise, mais on constate tout ça, c’est que les jeunes ont une envie de voir le monde qui est bien plus grande que leurs aînés, et donc ils ont une durée d’entreprise qui est plus courte. Ça c’est un fait, et on verra sur sa durée si ça se maintient, mais en tout cas c’est un fait. Et moi j’adore aussi quand je vais dans une entreprise qui veut recruter, l’exemple typique c’est moi j’aimerais bien avoir 10 data scientists parce que je suis une assurance, je veux, ok très bien, et je dis ils vont recruter 10 aujourd’hui, dans 5 ans ils sont tous partis, et sans doute à la concurrence ou ailleurs, etc. Et je dis c’est très bien de recruter, il faut du sang neuf, c’est très très bien, par contre je vous conseille aussi de former des gens qui ont 20 ans de boîte chez vous, Parce qu’à 20 ans de boîte, les gens ne vont plus beaucoup bouger, ils connaissent très bien les systèmes. Alors certes, ils seront peut-être moins faciles à former, mais ils connaissent très bien vos systèmes. Et ils seront pérennes dans l’entreprise. Quelqu’un qui est un département IT, qui gérait des bases données, qui connaît un peu le SQL et le code, etc., le former en Python et le former sur des modèles ou de l’algorithmie, c’est peut-être quelque chose qui est possible et qui permet… d’avoir une compétence dans l’entreprise qui est pérenne qui sera peut-être pas aussi brillante que le petit jeune que j’ai engagé qui connaîtra tout des dernières technologies. mais les deux ensemble ils font quelque chose de très très bien et j’aurai à la fois du sang neuf et des gens qui maîtrisent l’écosystème de l’entreprise. et donc moi je me bats et quand je suis écouté j’en suis très content pour aussi former des gens qui sont un peu en milieu de carrière souvent un peu dans le ventre mou de la carrière dans lequel ils ont progressé, pour relancer quelque chose, leur donner un nouveau souffle, et comme ils ont déjà 20 ans de boîte, ils ont envie de rester parce qu’ils connaissent les systèmes et ils sont attachés pour plein de bonnes raisons, et de les accompagner dans leur deuxième partie de carrière. Et pour le coup, là il n’y a pas de perdant, parce que tout le monde est gagnant, l’entreprise, l’employé, la société, on est tous gagnants sur ce genre d’initiatives. 

Marc Sanselme 00:25:14 – 00:25:24 : Orange c’est aussi une ESN, est-ce que tu peux nous parler un peu de quel usage il y a développé chez Orange ? 

Michael Deheneffe 00:25:24 – 00:30:32 : Avec plaisir, et quand je rencontre quelqu’un en général, vous savez quand on travaille chez Orange, les 5 premières minutes c’est pour parler de sa boxe qui ne va pas, ou la fibre qui n’est pas livrée, etc. Et donc effectivement on n’est pas forcément connu sur la partie ESN, et pourtant on est une grande ESN, alors on n’est pas encore la plus grande ESN, mais on est une grande ESN, Il y a plusieurs acquisitions et de gens qu’on a formés et recrutés. On est environ 7 000 en Europe pour. l’instant, experts sur la data, le digital et le cloud, j’ai dit tout à l’heure. Et on trouve des cas d’usage. Les cas d’usage sont multiples. On a les choses qui sont très… On accompagne les entreprises du retail à faire des modèles qui permettent de savoir ce qu’on… Next best offer, c’est le modèle qui dit qu’est-ce que je pourrais offrir de plus intéressant aux clients en fonction de leur parcours. Ça peut être en B2B ou en B2C, mais en B2C, ça marche particulièrement bien. Tout le monde connaît ça. On va tous sur les sites de e-commerce dans lesquels tu as acheté ça, je propose ceci, ou les choses… Ça, c’est une famille des outils. On a des sujets qui sont potentiellement intéressants parce qu’on est parvenu pour des boîtes pharmaceutiques à essayer de prédire des épidémies, des foyers d’épidémies. Quand il faut… envoyer des traitements en cas d’épidémie et que les traitements coûtent assez cher et qu’on ne peut pas les mettre partout en avance, détecter des épidémies, ça se fait aussi avec la data. Et pas uniquement la data médicale auquel on pense, c’est-à-dire que ce n’est pas uniquement les agences régionales des différents pays qui remontent en disant « tiens, j’ai un seuil de personnes qui ont tel ou tel symptôme, tel ou tel maladie, etc. ». C’est aussi le fait que des gens aillent sur Google et tapent des symptômes. Et quand on voit que plein de gens tapent les mêmes symptômes dans une région du monde et plus qu’avant, on peut se dire, ah, il y a un début de courbe et donc ça permet de faire quelque chose. Ça, c’est très intéressant parce que potentiellement, ça sauve des vies. On a aidé des entreprises à mieux prédire l’absentéisme dans les entreprises et donc à expliquer aussi les raisons de l’absentéisme. Et ça c’est très intéressant, parce que ça permet de traiter le mal à la racine, et c’est d’accompagner les gens, et on se rend compte qu’il y avait des facteurs déclencheurs. Je ne vais pas rentrer dans les détails, mais il y a des choses qui sont très explicables et qui permettent de faire ça, et c’est aussi la data ou l’IA. Et puis il y a des choses plus lointaines, plus hétérogènes, plus exotiques que l’on a pu faire. Je ne sais pas si on en a parlé un peu avant, si tu veux que je… C’est un exemple, mais on a les poissons qui sont juste une idée… génial qu’on a eu avec une ONG, qui était une ONG qui lutte contre la destruction de la barrière de corail, et qui donc plonge le long de la barrière de corail des éléments synthétiques, du béton, de l’acier, etc., sur lesquels le corail s’implante. Et le vrai succès, ce n’est pas le corail. Le vrai succès, c’est la biodiversité. Et donc, il faut compter les poissons. Comptez les poissons, Orange sait faire, on a des caméras, on traite des experts, et puis les caméras sont connectées. Elles sont connectées, donc Orange. Et puis il faut faire ce qu’on appelle le computer vision pour compter les poissons d’espèces différentes. Et pour ça, il faut entraîner un modèle. Et pour certains poissons, il n’y a pas assez de photos scientifiques de ces poissons-là. Et donc globalement, pour entraîner un modèle, il faut entre, disons, hors de grandeur, 10 000 photos du même espèce pour que le modèle commence à être pertinent. Et sur certaines espèces, on avait moins de 100 photos. sans photos scientifiques des poissons. Ce n’est pas assez pour entraîner un modèle. Si on entraîne là-dessus, il va y avoir plein de faux positifs, plein de faux négatifs, et ce ne sera pas pertinent. Donc, qu’est-ce qu’on a fait ? On a créé une IA qui a croisé chacun de ces poissons pour créer des bébés virtuels de poissons. Donc, on croisait la tête de celui-là, la nature de celui-là, la queue de celui-ci, etc. On a fait un deuxième algorithme qui a regardé quels étaient les poissons les plus viables. C’est-à-di re, il retient les poissons qui avaient deux têtes et pas de nageoire, etc. pour faire en sorte que les poissons se ressemblent. on a quand même fait ce qu’on appelle du renforcement humain. Le renforcement humain, c’est prendre un échantillon de ces poissons synthétiques, les donner à un vrai biologiste qui disait, c’est crédible, effectivement, ces photos-là pourraient être ces poissons-là. Si j’avais une photo comme ça, je vous dirais, on a fait du renforcement humain pour calibrer ça. Et donc, on a créé 10 000 faux poissons. Avec ces 10 000 faux poissons, on a entraîné un vrai modèle. Et ce vrai modèle permet de compter maintenant les poissons. Ça a plein d’avantages, parce que maintenant, quand un poisson de cette espèce-là passe devant la caméra, non seulement on le détecte, et donc c’est pas une hallucination, on peut vraiment le détecter, mais en plus, on en fait des documents scientifiques qui peuvent servir aux vrais scientifiques, en disant, on a vu tel poisson, voilà la photo à tel endroit, à tel moment, etc. Et donc ça constitue les bases de données de biodiversité qui peuvent servir à tous les scientifiques du monde. Ça, typiquement, est-ce que ce projet, c’est de l’IA un peu ? Est-ce que c’est de l’IA générative un peu ? On a généré des données synthétiques. Est-ce que c’est du réseau un peu ? Est-ce que c’est du stockage un peu ? C’est vraiment ce qu’Orange sait faire, c’est des projets de bout en bout, dans lesquels on a été capté de la donnée, on en a créé, on les a croisés ensemble, on a fait du computer vision, on a fait de l’IA, de l’IA générative, et en plus, il y a un facteur humain derrière, il y a un impact social, environnemental, positif. Parce que globalement, c’est pour recréer une dynamique dans la biodiversité, et ça a marché. Voilà un exemple assez complet. Je ne pense pas que beaucoup de gens y pensaient à Orange si on pensait à compter des poissons. Voilà une idée qui a été mise en place. 

Marc Sanselme 00:30:32 – 00:30:48 : Ok, merci beaucoup. Alors comment on fait pour recruter… Comment on fait pour recruter face à des gens qui ont écrit les CV avec CGPT ? 

Michael Deheneffe 00:30:48 – 00:34:11 : Nous, on estime qu’entre 50 et 75% des CV qu’on reçoit ont été revus au moins, écrits parfois, par une lia générative. D’abord, il y a un nombre de fautes d’orthographe qui est descendu en flèche. Mais par contre, on le sent parce qu’il y a des tournées de phrases, il y a des mièvres. On a tous eu cette fameuse chose, quand je demande à ChatGPT, par exemple, de m’écrire un e-mail, Il commence toujours par « j’espère que cette email vous trouve bien », ce qui est une formule très américaine. Et c’est là où on voit aussi que les IA sont culturelles, ils ont été entraînés sur beaucoup de matériel anglais, anglophone et notamment américain. Et donc voilà, on peut le sentir. Alors, comment on fait ? Moi je pense que c’est le retour à la sincérité et à l’humain. C’est-à-dire que, autant un CV qui a été écrit de manière asynchrone, avant je peux l’envoyer, mais une relation en face de quelqu’un, alors à distance, ou mieux, en vrai… permet justement de passer outre ces aspects-là. Et moi, je crois beaucoup à la spontanéité. Je crois beaucoup aussi au rapport humain. Moi, je pense qu’on n’engage pas uniquement des profils. On engage des personnes, des hommes et des femmes, et qu’il n’y a pas que le CV qui compte. Et chez Orange, on a cette chance-là, c’est qu’on a une politique RH très ouverte, dans laquelle ce n’est pas uniquement des gens qui sont formatés avec toutes les mêmes écoles, etc. Et je pense que c’est très riche, ça. Et ça, c’est l’humain qui compte. Et moi, je suis un fervent défenseur de l’IA, de la data. J’espère que ça se sent. mais j’ai une obsession, c’est de remettre l’humain au centre. À un moment, la data doit être au service de l’humain et pas le contraire. Et alors, comment on recrute ? D’abord, je l’ai dit, on parle oral, et on les recrute, mais aussi, on en forme. C’est-à-dire que c’est plus facile parfois d’apprendre la data à quelqu’un du métier que d’apprendre un métier à quelqu’un de la data. Et donc aussi, il faut qu’on forme ces gens. L’exemple bateau, mais qui n’est pas bateau, c’est la générative. Il y a exactement deux ans, là on enregistre ce podcast. en novembre, il y a exactement deux ans, Moins de 1% des gens de la data connaissaient l’IA générative. C’était quelque chose de confidentiel. Qui existait, mais qui était confidentiel. Les brevets ont quelques années. Les brevets du Transformers déposés par Google ont été déposés il y a quelques années. Donc, les gens qui connaissaient n’ont pas été surpris. Le coup de génie absolu de l’IA générative et de ChargeGPT en particulier, c’est d’avoir rendu ça grand public. D’avoir sorti quelque chose d’un laboratoire, d’avoir rendu grand public et de passer de 0 à 100 millions d’utilisateurs en semaine. C’est dingue. Et je pense que ça, on peut toujours en être reconnaissant. Ça veut dire aussi qu’il n’y a personne sur le marché qui a plus que deux ans d’expérience en ligne générative. Et donc, il y a pénurie sur le marché. Et on n’a pas commencé en passant de 0 à 100 millions, donc il y a pénurie sur le marché. Donc la question, c’est non seulement comment on les recrute, mais comment on en crée, comment on en forme. Et en interne, on a créé effectivement une école, la Digital Services School, qui forme notamment des data scientists, des experts en IA générative, en IA, etc., Alors on y a depuis longtemps, on est génératif depuis deux ans, pour justement augmenter ces nombres de personnes, et on le fait pour l’interne, mais aussi pour nos clients. Et donc nos clients peuvent très bien, alors chez eux s’ils sont nombreux, ou chez nous s’ils le sont moins, former des gens, et on les fait monter en compétence, des formations qui vont de trois jours pour la formation minimale, à des formations qui vont jusqu’à trois mois, intenses, et qui permettent vraiment de former des gens de manière assez complète, quand on sort avec 60 jours de formation, c’est pas un module sur internet assez rapide, c’est des choses assez profondes. Parce que moi je crois beaucoup au fait qu’on en recrute mais qu’on les garde et qu’on fasse aussi, on a un devoir sociétal de faire monter en compétence les experts et de créer plus d’experts parce qu’on en a besoin. Et on en a besoin notamment en Europe. 

Marc Sanselme 00:34:11 – 00:34:19 : Qu’est-ce que tu dois beaucoup dire en termes d’évangélisation ? Qu’est-ce qu’aujourd’hui tu répètes le plus ? 

Michael Deheneffe 00:34:19 – 00:37:22 : Je répète que sans data, il n’y a pas d’IA. C’est ma première conviction. Et que la data, ça se gouverne. Il faut maîtriser sa data. Et c’est maîtriser sa qualité, sa présence, etc. Et je disais, ça j’aurais pu le dire il y a dix ans, sauf que maintenant, tout ce qu’on disait sur la data governance, la data quality, on peut remplacer data par… document, quel que soit le document. Un morceau de code, une vidéo, un texte, un PDF, un CV, une boîte mail, n’importe quoi, un capteur dans une usine, pas de capteur, mais quand même, permet de faire des choses, ce sont des données. Sans données, il n’y a pas d’IA. Et donc, au-delà de la culture de l’IA qui est quelque part le sommet de l’iceberg, moi ce que je demande toujours, c’est que la base, c’est les datas. Une fois qu’on a les datas, on peut commencer à les regarder dans le passé, à essayer de voir si mes mesures sont bonnes. Je Les datas indiquent que j’ai produit 1000 unités, pourtant mon cahier de commande indique que j’en ai produit cuisson, il y a un delta, je cherche le delta. Et je vais trouver des choses intéressantes. Des problèmes de qualité, des problèmes de fuite, des problèmes de fraude, parfois, des choses intéressantes. Il y a quelques années, on a accompagné une imprimerie dans lequel on a baissé largement son taux de déchets, je vais le faire très court, mais des bourrages papier sur une rotative, en croisant les données des logs des machines qu’ils avaient avec les données de la météo. Je le parlais tout à l’heure, en disant, tiens, quand l’air est humide, le papier est déchirable plus facilement, quand le papier est déchirable plus facilement, il faut que je n’aille pas aussi vite que quand l’air est sec. Ça, c’est facile. Alors, ça n’est rien, mais ça a descendu de 70% leur panne. 70% juste en croisant deux données qui sont extrêmement simples. Les logs, ils les avaient. Et la méthode, ce n’est pas une donnée très compliquée à capter. En termes de place, elle ne prend pas grand-chose. Voilà typiquement ce que l’on peut faire comme type d’information. Pas data, pas d’IA. Deuxième, c’est que tout est data. Troisième, c’est qu’il faut gouverner la donnée et les documents, je te dis. Et quatrième, il faut former. Il faut former et encore former. Et c’est une never-ending story. Il va falloir toujours former des gens, des nouveaux, des anciens, etc. On ne fait pas un projet de formation. On fait un programme de formation, mais qui n’a pas de date de fin. Et enfin, et c’est le dernier point, trouver une architecture, infrastructure de données qui soit compatible avec les clés d’usage. Et donc, moi j’ai d’autres clés avec nos copains Cloud Provider, c’est super. Il y a quand même deux, trois notions géopolitiques qui sont intéressantes. Je suis beaucoup plus écouté depuis la réélection de Trump qu’avant sur ce genre de sujet. Il y a quand même des données qui sont sensibles. Quand on est un grand industriel européen avec des concurrents très américains, Je ne suis pas sûr que les données sur un cloud classique soient une très bonne idée. En tout cas, je pense que pour l’instant, il n’y a pas beaucoup de dangers, mais ça pourrait le devenir. Et l’idée, c’est quand même qu’on reprenne la maîtrise de ce que l’on a. Et donc, c’est trouver une architecture qui soit compatible avec ces sujets. Elle peut être on-premise, elle peut être chez Orange, elle peut être chez des concurrents. Nous, on a de très bons concurrents aussi. Elle peut être chez des hyperscalers. Mais c’est trouver la bonne architecture. Et quelque part, c’est avoir cette couche totale de solutions et de services qui soient maîtrisées par l’entreprise. 

Marc Sanselme 00:37:24 – 00:37:32 : Est-ce que tu aurais des erreurs, reconnaître des erreurs du passé et ne les partager pour qu’on ne fasse pas les mêmes ? 

Michael Deheneffe 00:37:32 – 00:39:48 : Il y a l’erreur souvent de se dire que l’IA… où le liage natif va résoudre des problèmes qui, en fait, ne décident pas du tout de lier au liage natif. C’est des problèmes de process bêtis-méchants et qu’un tableur Excel, voire un peu d’intelligence, aurait résolu le problème. Et ça, c’est souvent dans l’entreprise… Je vais vous raconter une anecdote d’un client, alors pas tout à fait récent, mais je ne citerai pas le nom parce que c’est… C’est des supermarchés qui géraient les coupons de réduction de manière extrêmement manuelle. Et en fait, chaque soir, chaque magasin rentrait les trucs dans un fichier qu’ils envoyaient sur un serveur, etc. Et en fait, depuis 3 ou 4 ans, ce n’était pas nécessaire parce que le code barre mettait tout et on n’avait jamais dit aux magasins d’arrêter de le faire. Et donc il m’a demandé comment est-ce qu’on pouvait automatiser ça, et en creusant un peu, ils envoient des fichiers qui n’étaient jamais lus par personne. À un moment, il ne fallait peut-être pas le faire. Des choses comme ça, alors ça paraît hallucinant, mais on a vu des choses qui sont colossales. Donc, avant d’essayer d’automatiser un process, peut-être que se réinterroger sur le process en question, voir s’il est utile, voir s’il sert à quelque chose, c’est pas mal. Et parfois les process sont conçus parce qu’on a des contraintes techniques et notamment humaines, Avec l’IA, ce n’est pas la peine d’automatiser ce processus-là, il faut peut-être en inventer un autre. Et donc voilà, c’est ne pas penser que l’IA et l’IA générative sont une réponse toute faite à n’importe quelle solution, ça c’est certain. Et deuxièmement, c’est ne pas croire aveuglément les données. Moi j’adore, quand je vais dans une entreprise, dans une usine, c’est discuter avec le management en général qui nous appelle, nous consultants, voilà, C’est de passer quelques jours sur le terrain. Alors moi, j’ai accompagné des chauffeurs de train dans leur locomotive, j’ai accompagné des caissiers en grand magasin et ma soeur, pour voir c’est quoi le métier. Et d’écouter un peu le feedback du terrain. Parce que souvent, on se rend compte aussi que dans les entreprises, on a un gap entre le terrain et le reflet qu’on en a dans les reporting du management. et écouter les intuitions des uns et des autres, et pas plus l’un que l’autre, mais c’est riche d’enseignements, parce qu’à ce moment-là, on va pouvoir tester des hypothèses, et on va pouvoir regarder si les datas confirment ou infirment ce que l’on pensait. On va parfois, avec les datas, découvrir des choses intéressantes, et y exposer ces hypothèses-là, et ça permet d’avoir un regard neuf sur les choses. Ça permettra d’avoir des choses intéressantes. 

Marc Sanselme 00:39:50 – 00:39:58 : Et alors, quel invité est-ce que tu aimerais entendre au micro de Data Driven 101 dans un prochain épisode ? 

Michael Deheneffe 00:39:58 – 00:41:23 : Je te dirais bien Elon Musk pour comprendre comment ce type est à la fois aussi génial et aussi faux dangereux. Mais je ne suis pas sûr que tu auras les moyens de l’avoir dans ce photo ici dans quelques semaines. S’il vient, je te promets, je viens. Pas parce que je l’admire, parce qu’il m’interroge. Non, moi, ce que j’aimerais beaucoup entendre, c’est quelle est la stratégie européenne ou française, notamment publique, Et comment les acteurs publics, et comment les ministres du numérique par exemple, vont aider à l’émergence d’un écosystème européen ? Moi ça je pense que c’est notre sujet à tous, pas des deux prochaines années, des quinze prochaines années. Et je pense qu’il y a plein de bonnes choses. On a eu plein de rapports. On a eu le rapport Villani, il y a quelques années, qui était intéressant. On a eu des secrétaires d’État au numérique qui ont apporté deux, trois choses. On a eu des commissaires européens qui ont apporté deux, trois choses. Et pourtant, moi, je suis un peu en manque d’une vision industrielle un peu forte sur le numérique. Une vision à long terme. Est-ce que nous différencier des Américains par leur capitalisme très structuré et très capital risque, très puissant, et la Chine, qui est aussi un empire et qui fait des plans parfois à 50 ans, nous, c’est une vision un peu court-termiste dans laquelle on fait des législations, etc. Et moi, ce qui me manque, c’est un peu une vision de long terme, notamment française-européenne. Et ça, j’aimerais qu’on participe collectivement à la forgée. Donc, si tu avais un acteur qui pouvait nous éclairer là-dessus, ça me ferait plein de bonnes heures d’écoute en perspective. 

Marc Sanselme 00:41:24 – 00:41:27 : Merci pour la suggestion. Merci, Mickaël. 

Michael Deheneffe 00:41:27 – 00:41:28 : Merci à toi. 

Marc Sanselme 00:41:28 – 00:41:42 : Vous venez d’entendre Mickaël de NF, VP Data et AI chez Orange Business. Dans le prochain épisode, je recevrai Michael Deheneff, VP Data et AI chez Orange Business pour nous parler de l’accompagnement des entreprises dans leur transition numérique. A très vite !