Les publications de

Yoann Benoit

Yoann est Head of Data chez Hymaia et intervient auprès de ses clients tant sur des problématiques Data Science que de Data Product Management ou d’accompagnement dans leur organisation data.

Il a travaillé sur des projets Data Science de bout en bout, de l'analyse exploratoire à leur mise en production. Il est aussi intervenu sur des phases d'idéation et de prototypage de Use Cases Data Science ainsi que sur des expertises de Deep Learning. Enfin, il a accompagné des clients sur des sujets de Product Management appliqués à la Data et sur des sujets d’organisation de département Data.

Il intervient aussi en tant que formateur en Machine Learning sur Spark et Deep Learning avec TensorFlow / Keras.

Chez Hymaia, son rôle est d'animer la communauté des experts data et de faciliter la communication et l'entraide sur les projets, ainsi que d'oeuvrer en tant que Servant Leader dans le management de l'entreprise.

Yoann est aussi certifié en coaching professionnel, lui permettant d'accompagner des individus dans l'atteinte de leurs objectifs personnels et professionnels.

[Ecueils Data E2] - Ne pas avoir une équipe Data assez diversifiée
3/11/2022

Toutes les compétences essentielles à la création de Produits Data de bout en bout sont-elles représentées au sein de vos équipes Data ?

Lorsque l’on parle d’équipe Data, les profils qui viennent assez souvent en tête sont les #datascientists et les #dataengineers. Mais ce n’est pas suffisant dans l’optique de créer des Produits Data qui apportent de la valeur business, et encore moins pour passer à l’échelle dans l’exploitation de la donnée de l’entreprise.

L’important n’est pas tant de savoir combien de personnes ou de métiers différents vous devez intégrer au sein de vos équipes Data, mais de construire une #datateam diversifiée, capable de créer des #dataproducts de bout en bout, sans laisser de côté les dimensions #business et #product.

5 minutes
[Ecueils Data E1] - Voir les équipes Data comme des “vendeuses de services”
27/10/2022

Vos #datateams sont-elles encore obligées de convaincre vos directions business de l’intérêt de travailler avec elles ?

Un changement de perspective sur la place de la #data dans l’entreprise est nécessaire ! Le #chiefdataofficer et les équipes Data doivent passer d’un positionnement de “vendeurs de services” à celui de “partenaires privilégiés” du business pour les aider à prendre des décisions par la donnée.

L’objectif est de mettre la #data au cœur des enjeux stratégiques de l’entreprise et rompre le silotage entre les équipes Data et le reste de l’organisation.

Ces principes ne sont pas sans rappeler ceux du #datamesh, qui peut servir de source d’inspiration dans ce changement de paradigme.

5 minutes
[Ecueils Data E0] - 10 écueils limitant l’impact de la Data sur les produits et organisations
6/10/2022

Rares sont les entreprises n’ayant aujourd’hui aucune exploitation de leurs données, mais rares aussi sont celles qui ont réussi à passer son exploitation à l’échelle de toute l’organisation et à mettre la Data au cœur de leur activité.

5 minutes
Plus de 80% des projets data ne partent pas en production, et alors ?
28/6/2022

De nombreux chiffres ont été publiés et font du bruit sur le taux de projets data qui échouent à aller en production et ne dépassent pas le stade du PoC (Proof of Concept) :

  • Un rapport de VentureBeat AI explique que 87% des projets Data Science ne vont pas en production
  • Gartner estimait en 2019 que 80% des projets d’IA de 2020 allaient rester à l’état de PoC, menés par des “sorciers” dont les talents ne sont pas compatibles avec une exploitation de la data à l’échelle de l’entreprise
  • Ce même rapport Gartner estime que seulement 20% des insights d’analytics vont réellement délivrer de la valeur en 2022

Mais au final, est-ce une si mauvaise chose que certains projets n’aillent pas plus loin ? La question mérite d’être posée.

5 minutes
La Data n’est pas une fin en soi
21/5/2022

Le monde de la Data a souvent été vu comme un univers parallèle peuplé de Data Scientists aux airs de licornes ou autres moutons à 5 pattes qui allaient magiquement faire faire des avancées incroyables aux entreprise grâce à leurs petits doigts.

La désillusion fut grande lorsque le temps du bilan a sonné : POCs qui duraient éternellement et échouaient à partir en production (ou bien à simplement apporter de la réelle valeur pour le business), manque d’appropriation de la donnée en dehors des équipes data, manque de confiance dans la provenance, la traçabilité et la qualité de la donnée, et projets tirés par la tech et pas suffisamment par la valeur business.

la data nouvel or noir pour les nuls
5 minutes
MLOps : les principes du DevOps appliqués au Machine Learning
11/5/2022

Le terme MLOps (Machine Learning Operations) est de plus en plus souvent employé dans la communauté data et est rapidement devenu un concept central dans la mise en production et le passage à l’échelle de projets à base de Machine Learning.

Tâchons de comprendre ce qu’il y a derrière, d’où cela vient, et surtout pourquoi c’est maintenant devenu une nécessité.

mlops vs devops engineer
5 minutes
Produits Data Science - N’attendez pas le modèle parfait avant d’industrialiser !
22/4/2022

Un produit Data Science étant avant tout un produit logiciel, les bonnes pratiques de Software Craftsmanship et de développement itératif et agile y ont toute leur place. Sauf que lorsqu’il est question du modèle de Machine Learning en lui-même, il est très courant de beaucoup moins respecter ces principes. Et se pose alors souvent la question fatidique : “stop ou encore ?”.

5 minutes
Qu’est ce que l’IA Responsable?
19/4/2022

“Responsible AI”, “Explainable AI”, “AI Fairness”, “Ethical AI”, etc. Tous ces termes prennent de plus en plus d’ampleur dans les discussions mais aussi dans les investissements des entreprises qui créent des produits incorporant de l’Intelligence Artificielle.

Que ce soit d’un point de vue business pour mieux comprendre le raisonnement derrière certains modèles “Black Box” et prendre de meilleures décisions, ou d’un point de vue sociétal ou environnemental, une réelle prise de conscience est en train de se dessiner autour de ce sujet.

5 minutes
Produits Data Science - 6 approches de modélisation pour créer rapidement votre MVP
19/4/2022

Notre conviction est qu’un modèle de Machine Learning (ML) n’a que très peu de valeur en soi, c’est son utilisation en production et en réponse à une problématique métier précise qui est importante. Et pour cela, rien de mieux que de rapidement passer à la création d’un MVP de bout en bout.

Dans cet article, nous vous proposons 6 propositions d’approches afin d’avoir des premières versions de modèles simples à mettre en place et permettant donc d’implémenter rapidement un MVP plutôt que de rester trop de temps sur le modèle en lui-même.

10 minutes
L’IA Responsable en 8 enjeux majeurs
15/4/2022

“Responsible AI”, “Explainable AI”, “AI Fairness”, “Ethical AI”, etc. Tous ces termes prennent de plus en plus d’ampleur dans les discussions mais aussi dans les investissements des entreprises qui créent des produits incorporant de l’Intelligence Artificielle.

Si le potentiel incroyable de l’Intelligence Artificielle est maintenant compris et exploité depuis plusieurs années, son impact - voire sa dangerosité - sur nos vies, nos sociétés et notre environnement est de plus en plus scruté et débattu.

L’IA Responsable n’est aujourd’hui plus seulement un sujet de débat, c’est devenu une réalité qu’il est nécessaire de prendre en compte dès les premières phases des projets à base de Machine Learning (ML). Mais qu’y a-t-il vraiment derrière ?

25 minutes
#Passion

C’est la passion pour notre métier qui nous guide au quotidien. Cette passion est notre motivation intrinsèque.

#Intégrité

Nous sommes des êtres accomplis, qui prennent la responsabilité de leurs actions et idées.

#Pragmatisme

Nous sommes des doers, animés par un mindset agile et de test & learn. Nous faisons en sorte que actions débouchent sur des résultats concrets et mesurables.

illustration valeurs
Nos valeurs