Big Data pour start-up

Autour d’une tartine beurrée et d’un café, Jean-Michel Lasry raconte comment de chercheur en mathématiques, connu entre autres pour avoir développé la théorie des jeux en champ moyen (1), il est devenu co-fondateur de Kayrros, une start-up en big data, centrée sur le secteur de l’énergie.

Dauphine, le village gaulois et l’ENSAE

C’est une suite d’événements qui a sa propre logique : en 1971, à la sortie de l’Ecole Normale de Saint-Cloud (maintenant à Lyon), j’ai été attiré par le projet d’un groupe de mathématiciens de l’Université Paris-Dauphine de développer des mathématiques pour l’économie, la gestion et la prise de décision.

La  pluridisciplinarité était à l’époque dans tous les esprits. Le Ministère de l’Enseignement supérieur était derrière cette initiative et l’ambiance ressemblait à celle d’une start-up. Notre intégration à Dauphine, faculté,@ à l’époque dédiée à la gestion, n’était pas évidente. Nous avons été pendant une longue décennie comme un village gaulois au milieu de Romains et nous nous sentions comme mis au ban des vrais mathématiciens qui, eux, s’intéressaient aux sciences dures comme la physique, la chimie ou la biologie.

Heureusement, nous avions des « cousins » à l’ENSAE qui pratiquaient aussi les mathématiques et les statistiques pour l’économie. Nous, les matheux de Dauphine, étions dès les années 70 très proches de l’ENSAE : échanges d’enseignants, cursus avec des cours partagés, co-organisation de séminaires et plein d’autres événements. Aujourd’hui, Dauphine est un centre très vivant en mathématiques, reconnu internationalement comme plusieurs autres centres français et les mathématiques ont définitivement trouvé leur place dans l’économie et la prise de décision.

De la recherche appliquée à l’industrie

Les financiers ont été les premiers à mettre la main sur cette nouvelle vague de mathématiciens. Après 20 ans à Dauphine, en 1991, j’ai rejoint le monde de la finance pour développer des approches mathématiques sur les marchés financiers. C’était à cette époque une aventure scientifique nouvelle : les travaux de Black, Scholes et Merton avaient ouvert le paradigme de la couverture dynamique des risques, un domaine complètement neuf scientifiquement, dans lequel les enjeux économiques étaient considérables. Les graves erreurs qui ont conduit plus tard à la crise de 2008-09 ne doivent pas faire oublier que ce paradigme a été (et reste) un facteur puissant de développement pour l’économie réelle.

Au début des années 2000, plusieurs événements personnels sont survenus. En 2006, avec Pierre-Louis Lions (2), nous avons développé la théorie des jeux en champ moyen et je me suis éloigné de la finance. Nous avons cherché à appliquer notre théorie à des situations réelles en créant, en 2009, une petite entreprise de conseil scientifique, MFG Labs. Centrée sur des problèmes plutôt scientifiques, son potentiel de croissance était cependant limité.

Le hasard a fait que MFG Labs a trouvé d’autres champs d’application et s’est bien développée. Son histoire a été un moment important dans ma carrière. Nous avions trois jeunes stagiaires venant d’une école originale centrée sur les métiers du web, HECTIC. En marge de l’activité principale de MFG Labs, ces jeunes stagiaires ont développé, avec notre aide et celle de Henri Verdier (3), une application appelée Cinemur qui a eu un départ  foudroyant. Cette application utilisait le trésor d’informations sur le cinéma, tout ce que l’on pouvait trouver, que cela soit des affiches, des programmes ou des guides. Ces informations étaient accessibles à tout le monde sur le web dès cette époque. Son succès a vraiment commencé le jour où une photo dans la presse a montré Zuckerberg sur un fond d’écran au milieu de logos d’applications qui avaient suscité l’intérêt de Facebook et dont faisait partie celui de Cinemur.

Le  matin où cette photo est apparue sur le web, mon téléphone n’a pas arrêté de sonner. Cinemur était lancé et le monde du spectacle était ouvert à MFG Labs, qui a, ensuite, été rachetée par Havas. Elle existe toujours, emploie, je pense, 50 salariés et sert le monde du cinéma.

Ces jeunes stagiaires avaient compris les questions qui intéressaient ce public. Il suffisait donc, pour y répondre, de savoir accéder aux informations existantes et traiter ces « big data », ce qui n’était déjà plus à l’époque un problème d’un point de vue technique pour une petite start-up, grâce au cloud.

Dans ce même esprit, avec le Crédit Agricole et Airbus, nous avons développé une offre qui permet aux agriculteurs de surveiller et d’assurer la culture de fourrages. Il y avait des problèmes techniques et scientifiques à résoudre : il fallait combiner l’agronomie, le traitement des signaux et des images satellitaires. Il y avait aussi des enjeux commerciaux et juridiques. Mais le plus important était de bien comprendre les questions qui intéressaient les agriculteurs et de proposer des solutions valables.

Une martingale étonnante

Je découvrais, comme beaucoup d’autres mathématiciens, que l’analyse statistique et mathématique de grandes quantités de données et d’images avait désormais un potentiel sans limite, grâce aux algorithmes et aux nouvelles puissances de calcul et de stockage, le tout disponible à faible coût. Ces données et ces images pouvaient concerner le cinéma ou toute autre industrie. Leur traitement demande une grande puissance de calcul que des entreprises, comme Amazon par exemple, proposent à des prix raisonnables. Le machine learning et l’intelligence artificielle augmentent chaque jour l’efficacité de ces traitements.

C’est une martingale étonnante car extrêmement puissante et capable de répondre à toutes sortes de questions. Elle se développe depuis le début du XXIème siècle, une boîte à outils magique avec laquelle il faut et il suffit de combiner deux savoirs : d’une part, celui des mathématiciens et des ingénieurs qui savent utiliser ces algorithmes ; d’autre part, celui des industriels ou utilisateurs qui, eux, connaissent les questions, le contexte et les besoins de leur industrie.

La naissance de Kayrros dans le big data pour l’énergie

La création de Kayrros est le résultat de la rencontre entre industriels du secteur de l’énergie et chercheurs en mathématiques. L’énergie est un secteur en pleine transition, avec une foule d’acteurs de toutes tailles, interdépendants et, bien sûr, des milliards de consommateurs. Kayrros est une start-up française en big data qui a l’ambition d’apporter de la transparence à cette industrie aux cycles imprévisibles à partir de l’analyse massive de données et d’images.

Antoine Rostand, créateur de Kayrros, connaissait bien les questions pertinentes pour cette industrie car il avait développé avec succès une activité pointue de consultants (4). Il a réuni autour du berceau de Kayrros un cercle de scientifiques co-fondateurs réputés (5), eux-mêmes connectés à des centres de recherche (6), ainsi que des grands noms de l’industrie des hydrocarbures.

Cette alliance de la recherche et de l’industrie est un peu une réunion de contraires ou, pourrait-on dire, de complémentaires. Les chercheurs sont attirés par des problèmes dont on ne connait pas encore la solution. C’est ce qui les excite. Les industriels, eux, veulent répondre à des soucis présents et concrets.

Nous ne sommes bien sûr pas les seuls. Let It Wave, fondée par Stephane Mallat (7), est un exemple bien connu des mathématiciens. Il y a d’autres aventures très proches chez les mathématiciens. Par exemple, Jean-Michel Morel, après des travaux brillants, en collaboration avec Pierre-Louis Lions, sur certains aspects théoriques du traitement d’images, a développé un remarquable laboratoire de traitement d’images satellitaires à l’ENS Cachan, sans doute, un des meilleurs laboratoires universitaires dans le monde sur ce sujet. La collaboration d’un laboratoire universitaire avec le monde de l’entreprise est un défi : cela demande une écoute et une intelligence de part et d’autre. Ce laboratoire a eu une très forte contribution au développement de Kayrros.

C’est cette rencontre entre scientifiques et industriels qui donne naissance à ce genre de start-up. La présence de ces conseillers scientifiques étroitement impliqués depuis le départ permet à ces start-up de recruter, de manière continue, des chercheurs et des ingénieurs venant des meilleures écoles et de les orienter. C’est un atout très puissant.

Ce conseil de scientifiques permet aussi de contourner les obstacles quand on s’attaque à des applications techniquement difficiles. Par exemple, nous avons eu à analyser des images de faible résolution liées au stockage dans les raffineries ou aux activités de production. Une fois ce problème résolu, il faut intégrer les résultats que fournissent nos outils dans les processus de décision des clients, acteurs de l’industrie : compagnies pétrolières, fonds d’investissement, banques, grands groupes industriels. Et là, ce sont les industriels qui savent.

C’est la formule-clef de l’innovation à partir de sciences pures comme les mathématiques. Pour nous scientifiques, c’est très stimulant de travailler sur des problèmes concrets et réels que nous posent les industriels et d’aller chercher le meilleur de notre discipline sur le plan scientifique pour y répondre.

On progresse chaque jour à Kayrros en développant des produits nouveaux pour le secteur de l’énergie à partir de cette science d’analyse des données et des images. Bien utilisés, tous ces outils vont aider les acteurs de ce secteur à suivre de près en temps réel leurs actions, en particulier au regard de la transition énergétique, et de ce fait, à mieux la gérer. Ces produits sont appelés à s’étendre à d’autres secteurs et c’est chaque fois la transparence que ces outils apportent qui devient une aide à la décision pour les industriels.

Mots-clés : big data – énergie – entrepreneur – mathématiques – traitement images et données

(1) La théorie des jeux à champ moyen est proposée en 2006 indépendamment par J-M. Lasry et P-L. Lions d’une part et P. Caines, M. Huang et R. Malhamé d’autre part. Dans les jeux à champ moyen, les agents, en grand nombre et tous de même nature, cherchent à optimiser l’état dans lequel ils se trouvent, mais leurs préférences dépendent partiellement du choix des autres agents. Cette dépendance est « statistique », les joueurs étant très nombreux : on dit que ces préférences dépendent de champs moyens créés par les autres agents. Comme dans un équilibre de Nash, les agents cherchent une stratégie individuelle optimale d’équilibre, c’est-à-dire tenant compte des stratégies anticipées des autres. La dynamique d’équilibre est souvent aléatoire à la fois au niveau individuel et au niveau collectif.

(2) Pierre-Louis Lions, mathématicien, professeur au Collège de France, médaille Fields

(3) Directeur interministériel du numérique, ancien directeur d’Etalab.

(4) Filiale du groupe Schlumberger, cette activité a été rachetée par Accenture.

(5) En plus de Jean Michel Lasry, Alexandre d’Aspremont, directeur de recherche CNRS et professeur attaché à l’ENS ; Laurent el Gaoui, professeur EECS UC Berkeley; Antoine Halff, Senior Research Scholar au Centre de Global Energy Policy, Columbia University.

(6) INRIA, Cachan et le CMLA

(7) Stephane Mallat a contribué à l’essor de la théorie des ondelettes ; avec Yves Maier, il est le fondateur de Let it Wave, une start-up sur le traitement des images, qu’il a dirigée de 2001 à 2007.

• À propos
• Articles récents

Jean-Michel Lasry et Pierre Bismuth

Jean-Michel Lasry : Professeur émérite, Université Paris-Dauphine /
Pierre Bismuth : Conseiller en Ressources Humaines

Les derniers articles par Jean-Michel Lasry et Pierre Bismuth (tout voir)

• Big Data pour start-up - 31 mai 2019