Articles

L'IA et l'IA générative : le voyage et le fonctionnement.

L’IA et l’IA générative : le voyage et le fonctionnement.

,

L’IA et l’IA générative sont des technologies qui offrent de nouvelles possibilités de voyage et de fonctionnement. Découvrons ensemble leurs avantages et leurs limites.

Ces dernières années, les technologies et services de pointe ont considérablement changé leurs directions, dynamiques et cas d’utilisation. Il est clair que la dernière vague d’adoption technologique mondiale par les industries est submergée par l’intelligence artificielle (IA) et ses différentes formes. L’IA s’intègre de plus en plus dans le tissu de notre vie quotidienne, changeant la façon dont nous vivons et travaillons. Cet article discute des bases de l’IA / ML, de son utilisation, de l’évolution de l’IA générative, de l’ingénierie prompte et de LangChain.

Machine Learning (ML) is a subset of AI that uses algorithms to learn from data and make predictions. ML algorithms are used to identify patterns in large datasets and then use those patterns to make predictions about future data. ML algorithms can be used to identify customer preferences, detect fraud, and recommend products.

L’intelligence artificielle et l’apprentissage automatique

L’intelligence artificielle (IA) est la capacité de simuler l’intelligence humaine et les processus de pensée tels que l’apprentissage et la résolution de problèmes. Il peut effectuer des tâches complexes qui historiquement ne pouvaient être effectuées que par des humains. Grâce à l’IA, un système non humain utilise des approches mathématiques et logiques pour simuler la raisonnement que les gens utilisent pour apprendre de nouvelles informations et prendre des décisions.

L’apprentissage automatique (ML) est un sous-ensemble de l’IA qui utilise des algorithmes pour apprendre des données et effectuer des prédictions. Les algorithmes d’apprentissage automatique sont utilisés pour identifier des modèles dans de grands ensembles de données et ensuite utiliser ces modèles pour effectuer des prédictions sur des données futures. Les algorithmes d’apprentissage automatique peuvent être utilisés pour identifier les préférences des clients, détecter la fraude et recommander des produits.

L’évolution de l’intelligence générative et le LangChain

L’intelligence générative (GI) est une forme avancée d’IA qui permet aux systèmes informatiques d’apprendre à partir de données et de générer des résultats sans être explicitement programmés pour le faire. Les systèmes GI peuvent apprendre à partir de données complexes et générer des résultats qui peuvent être utilisés pour prendre des décisions ou même créer des produits. Les systèmes GI sont utilisés pour la recherche, le développement de produits, la prise de décision et la gestion des bases de données.

Le LangChain est une technologie basée sur l’IA qui permet aux systèmes informatiques d’analyser les données textuelles et de les transformer en informations utiles. Le LangChain peut être utilisé pour extraire des informations à partir de documents, d’articles, de messages et même de conversations. Il peut également être utilisé pour générer des rapports, des recommandations et des prédictions basés sur les données textuelles.

En conclusion, l’IA et l’apprentissage automatique sont en train de révolutionner le monde numérique. Les technologies telles que l’intelligence générative et le LangChain offrent aux entreprises une variété de possibilités pour tirer parti des données et améliorer leurs opérations. Ces technologies sont en train de transformer radicalement la manière dont les entreprises interagissent avec leurs clients et leurs bases de données.

Source de l’article sur DZONE

/par

SAP signe un nouvel accord sur l’égalité professionnelle et propose des mesures innovantes pour ses salariés

, , ,

Paris, le 31 août 2023 – SAP, leader mondial des logiciels d’application d’entreprise, est fier d’annoncer la signature d’un nouvel accord sur l’égalité professionnelle pour les années 2023 à 2025. Cet accord réaffirme l’engagement de l’entreprise en faveur de l’égalité des genres et de l’inclusion. Ce dernier présente une série de mesures avant-gardistes pour promouvoir l’égalité professionnelle et le bien-être des salariés. Les nouvelles mesures et engagements inclus dans cet accord viennent compléter les modalités de l’accord précédent qui sont renouvelées avec enthousiasme.

 

SAP propose un congé spécial à ses collaborateurs pour favoriser l’équilibre entre vies personnelle et professionnelle

L’entreprise propose désormais un congé spécial pour accompagner ses collaborateurs lors d’événements importants de leur vie personnelle, ou de celle de leur conjoint, telles qu’une interruption volontaire de grossesse (IVG), une assistance médicale à la procréation (AMP), une demande d’adoption ou encore pour soigner l’endométriose. Cette mesure forte vise à soutenir les collaborateurs dans ces moments-clés et leur permettre de les vivre sereinement.

 

SAP propose un accompagnement aux collaborateurs victimes de violences conjugales

En complément des campagnes de communication et d’information, SAP propose une aide concrète aux victimes. Elle les accompagne par exemple pour trouver un nouveau logement, changer de numéro de téléphone ou faciliter leur mise en relation avec une assistante sociale.  De plus, un dispositif interne est créé pour accueillir, écouter et orienter les collaborateurs et collaboratrices victimes de violences conjugales.

 

En marche pour une entreprise plus inclusive

Partie prenante d’un secteur où les métiers sont majoritairement occupés par des hommes, SAP a la responsabilité de s’engager pour une représentation plus inclusive au sein de ses équipes. L’entreprise se fixe pour objectif d’atteindre une représentation de 36 % de femmes dans l’effectif global, dont au moins 30 % occuperont des postes de cadres et de managers. Par ailleurs, cette démarche s’inscrit dans une vision globale et durable pour parvenir à une parité totale au sein des effectifs de l’entreprise. Ces engagements prennent leur sens dans un secteur où les métiers sont encore majoritairement occupés par des hommes.

 

“Nous sommes convaincus que ces nouvelles mesures permettront de renforcer notre culture d’égalité professionnelle et de mieux soutenir nos collaborateurs dans leur vie professionnelle et personnelle.

Chez SAP, nous croyons en un monde professionnel où chaque singularité peut s’épanouir pleinement. C’est la clé pour atteindre son potentiel et continuer à s’investir.”  Caroline Garnier, Directrice des Ressources Humaines SAP France et Maroc.

 

 

À propos de SAP

La stratégie de SAP est d’aider chaque organisation à fonctionner en « entreprise intelligente » et durable. En tant que leader du marché des logiciels d’application d’entreprise, nous aidons les entreprises de toutes tailles et de tous secteurs à opérer au mieux : 87 % du commerce mondial total est généré par nos clients. Nos technologies de Machine Learning, d’Internet des objets (IoT) et d’analyse avancée aident nos clients à transformer leurs activités en « entreprises intelligentes ». SAP permet aux personnes et aux organisations d’avoir une vision approfondie de leur business et favorise la collaboration pour qu’ils puissent garder une longueur d’avance sur leurs concurrents. Nous simplifions la technologie afin que les entreprises puissent utiliser nos logiciels comme elles le souhaitent, sans interruption. Notre suite d’applications et de services end-to-end permet aux clients privés et publics de 25 secteurs d’activité dans le monde entier, de fonctionner de manière rentable, de s’adapter en permanence et de faire la différence. Grâce à un réseau mondial de clients, de partenaires, d’employés et de leaders d’opinion, SAP aide le monde à mieux fonctionner et à améliorer la vie de chacun.

Pour plus d’informations, visitez le site www.sap.com. 

 

Contacts presse

sylvie.lechevin@sap.com

sap@the-arcane.com

The post SAP signe un nouvel accord sur l’égalité professionnelle et propose des mesures innovantes pour ses salariés appeared first on SAP France News.

Source de l’article sur sap.com

/par
Optimisation des lignes d'objet d'email et mobile avec AI et ML

Optimisation des lignes d’objet d’email et mobile avec AI et ML

,

Les entreprises peuvent désormais optimiser leurs lignes d’objet d’email et mobile grâce à l’intelligence artificielle et au machine learning. Une nouvelle ère de marketing commence !

Méthodologie

Architecture

La ligne d’objet et les titres des e-mails et des notifications push jouent un rôle important dans la détermination des taux d’engagement. La communication numérique nécessite la compétence de la conception de lignes d’objet convaincantes et de titres de notifications push concis qui captent l’attention de l’utilisateur. Les marketeurs conçoivent des lignes d’objet en fonction du ton du message à transmettre et du public cible visé. En «enseignant» efficacement cette compétence et en l’optimisant pour la communication numérique, les modèles d’IA générative offrent une avenue passionnante pour automatiser ce processus. L’article examine quelques approches pour créer des lignes d’objet et des titres de notifications push efficaces tout en les combinant avec des modèles classiques d’apprentissage automatique pour prédire les taux d’ouverture avec l’IA générative (Large Language Models).

Il ne s’agit pas seulement de créer des lignes d’objet accrocheuses que les LLM peuvent facilement générer avec le bon déclencheur. L’objectif est de générer un candidat idéal pour le contexte et le contenu qui incitera le destinataire à cliquer et à afficher le message. Les modèles d’apprentissage machine (ML), en particulier les algorithmes de forêt aléatoire, peuvent prédire avec une grande confiance la probabilité qu’un destinataire clique sur un message s’ils sont correctement formés. En combinant les LLM avec des modèles ML prédictifs, il est possible de générer des lignes d’objet et des titres de notifications push de haute qualité. Voici quelques moyens possibles.

La première approche consiste à entraîner un modèle ML prédictif sur un jeu de données historiques. Le modèle apprend à prédire le taux d’ouverture en fonction des caractéristiques telles que le sujet, le contenu et le public cible. Une fois le modèle formé, il peut être utilisé pour générer des lignes d’objet et des titres de notifications push optimaux pour chaque message. La seconde approche consiste à entraîner un modèle ML prédictif sur un jeu de données historiques tout en utilisant un modèle LLM pour générer des lignes d’objet et des titres de notifications push. Le modèle ML apprend à prédire le taux d’ouverture en fonction des caractéristiques telles que le sujet, le contenu et le public cible, tandis que le modèle LLM génère des lignes d’objet et des titres de notifications push optimaux pour chaque message. Enfin, la troisième approche consiste à entraîner un modèle ML prédictif sur un jeu de données historiques tout en utilisant un modèle LLM pour générer des lignes d’objet et des titres de notifications push optimaux pour chaque message. Le modèle ML apprend à prédire le taux d’ouverture en fonction des caractéristiques telles que le sujet, le contenu et le public cible, tandis que le modèle LLM génère des lignes d’objet et des titres de notifications

Source de l’article sur DZONE

/par
Apprentissage profond en reconnaissance d'images: Techniques et défis

Apprentissage profond en reconnaissance d’images: Techniques et défis

,

L’apprentissage profond en reconnaissance d’images est une technologie puissante qui permet de résoudre des problèmes complexes. Découvrez les techniques et les défis associés à cette technologie.

Dans le vaste royaume de l’intelligence artificielle, l’apprentissage profond est devenu un jeu-changer, en particulier dans le domaine de la reconnaissance d’images. La capacité des machines à reconnaître et à catégoriser des images, à la manière du cerveau humain, a ouvert une multitude d’opportunités et de défis. Plongeons-nous dans les techniques que l’apprentissage profond offre pour la reconnaissance d’images et les obstacles qui y sont associés.

Data: For CNNs to work, large amounts of data are required. The more data that is available, the more accurate the results will be. This is because the network needs to be trained on a variety of images, so it can learn to recognize patterns and distinguish between different objects.

Hurdles: The main challenge with CNNs is that they require a lot of data and computing power. This can be expensive and time-consuming, and it can also lead to overfitting if not enough data is available. Additionally, CNNs are not able to generalize well, meaning they are not able to recognize objects that they have not been trained on.

Réseaux de neurones convolutionnels (CNN)

Technique : Les CNN sont le pilier des systèmes de reconnaissance d’images modernes. Ils se composent de plusieurs couches de petites collections de neurones qui traitent des parties de l’image d’entrée, appelées champs réceptifs. Les résultats de ces collections sont ensuite assemblés de manière à se chevaucher, afin d’obtenir une meilleure représentation de l’image d’origine ; c’est une caractéristique distinctive des CNN.

Données : Pour que les CNN fonctionnent, des quantités importantes de données sont nécessaires. Plus il y a de données disponibles, plus les résultats seront précis. C’est parce que le réseau doit être formé sur une variété d’images, afin qu’il puisse apprendre à reconnaître des modèles et à distinguer différents objets.

Hurdles : Le principal défi avec les CNN est qu’ils nécessitent beaucoup de données et de puissance de calcul. Cela peut être coûteux et prendre du temps, et cela peut également entraîner un surajustement si pas assez de données sont disponibles. De plus, les CNN ne sont pas en mesure de généraliser bien, ce qui signifie qu’ils ne sont pas en mesure de reconnaître des objets qu’ils n’ont pas été formés.

Réseaux neuronaux profonds (DNN)

Technique : Les DNN sont une variante des CNN qui peuvent être utilisés pour la reconnaissance d’images. Ils sont constitués de plusieurs couches de neurones qui traitent des parties de l’image d’entrée et produisent des résultats plus précis que les CNN. Les DNN peuvent également être utilisés pour la classification d’images et la segmentation d’images.

Données : Les DNN nécessitent également des grandes quantités de données pour fonctionner correctement. Cependant, ils peuvent être entraînés sur des jeux de données plus petits que les CNN et peuvent donc être plus efficaces lorsqu’il n’y a pas assez de données disponibles.

Hurdles : Le principal défi avec les DNN est qu’ils nécessitent beaucoup de temps et de puissance de calcul pour être entraînés correctement. De plus, ils sont sensibles aux bruit et aux variations dans les données d’entrée, ce qui peut entraîner des résultats imprécis.

Source de l’article sur DZONE

/par
Révolutionner l'IA: Dévoiler le pouvoir de WatsonX

Révolutionner l’IA: Dévoiler le pouvoir de WatsonX

,

Avec WatsonX, nous pouvons révolutionner l’IA et découvrir de nouvelles possibilités pour le futur.

L’origine de WatsonX

At its core, WatsonX is designed to be a powerful tool for data scientists and developers. It’s capable of ingesting massive amounts of data, analyzing it in real-time, and producing actionable insights that can be used to make better decisions. In addition, WatsonX is designed to be highly scalable, allowing it to handle large volumes of data with ease.

Les origines de WatsonX

Dans le paysage en constante évolution de l’intelligence artificielle, un nouveau joueur est apparu pour redéfinir les limites de ce qui est possible. Entrez WatsonX, une technologie révolutionnaire qui promet de révolutionner le paysage de l’IA. Dans ce blog, nous plongerons profondément dans les intrications de WatsonX, explorerons des exemples captivants et dévoilerons les cas d’utilisation potentiels qui peuvent vraiment le rendre viral.

Derivé de l’iconique Watson AI, qui a célèbrement battu des champions humains dans Jeopardy !, WatsonX représente le point culminant de plusieurs années de recherche, de développement et de progrès. Né de la fusion d’apprentissage machine avancé, de traitement du langage naturel et d’informatique quantique, WatsonX n’est pas seulement une évolution; c’est un bond quantique en avant dans la capacité de l’IA.

Au cœur de WatsonX se trouve un outil puissant conçu pour les scientifiques des données et les développeurs. Il est capable d’ingérer des masses de données, de les analyser en temps réel et de produire des informations exploitables qui peuvent être utilisées pour prendre de meilleures décisions. De plus, WatsonX est conçu pour être hautement extensible, ce qui lui permet de gérer facilement de grandes volumes de données.

Source de l’article sur DZONE

/par
Créer une application To-Do avec React et Firebase

Créer une application To-Do avec React et Firebase

,

Créer une application To-Do avec React et Firebase est une tâche facile à réaliser. Découvrez comment le faire dans ce tutoriel !

Comment construire une application To-Do avec React.js et Firebase Database

The first step is to set up the React.js project. To do this, you will need to install the create-react-app package which is a tool that helps to quickly set up a React.js project. After the installation, you can create a new project by running the command “create-react-app todo-app”. This will create a new folder with all the necessary files and folders for the React.js project.

Les applications To-do sont un des moyens que vous pouvez utiliser pour gérer un ensemble de tâches. En tant que développeurs, apprendre à construire une application To-do vous aidera également à comprendre certains concepts, dont la compréhension de la façon de construire une application avec une base de données.

Dans cet article, vous apprendrez comment construire une application web To-do en utilisant React.js et Firebase Database.

La première étape consiste à configurer le projet React.js. Pour ce faire, vous devrez installer le package create-react-app, qui est un outil qui aide à configurer rapidement un projet React.js. Une fois l’installation terminée, vous pouvez créer un nouveau projet en exécutant la commande «create-react-app todo-app». Cela créera un nouveau dossier avec tous les fichiers et dossiers nécessaires pour le projet React.js.

Une fois le projet React.js configuré, vous devrez configurer Firebase Database. Pour ce faire, vous devrez créer un compte Firebase et créer une nouvelle base de données. Une fois la base de données créée, vous devrez ajouter les informations d’identification à votre projet React.js afin que votre application puisse se connecter à la base de données Firebase.

Ensuite, vous devrez créer le modèle de données pour votre application To-do. Vous pouvez le faire en ajoutant des collections et des documents à votre base de données Firebase. Une collection représente une table dans une base de données relationnelle et un document représente une ligne dans une table. Une fois le modèle de données créé, vous pouvez commencer à écrire le code pour l’application To-do.

Vous devrez écrire du code pour afficher les tâches à l’utilisateur et pour enregistrer les tâches dans la base de données Firebase. Pour afficher les tâches à l’utilisateur, vous devrez écrire du code pour récupérer les tâches à partir de la base de données Firebase et les afficher à l’utilisateur. Pour enregistrer les tâches dans la base de données Firebase, vous devrez écrire du code pour envoyer les données à la base de données Firebase.

Une fois que le code est écrit et que l’application est prête à être utilisée, vous pouvez la déployer sur un serveur web ou sur un service cloud tel que Firebase Hosting. Une fois déployée, votre application To-do sera prête à être utilisée par les utilisateurs.

En conclusion, construire une application To-do avec React.js et Firebase Database est relativement simple et peut être fait en quelques étapes simples. Cela permet aux développeurs de comprendre comment construire une application avec une base de données et comment intégrer une base de données à une application web.

Source de l’article sur DZONE

/par
Expliquer les modèles d'apprentissage machine: renforcer la confiance et la compréhension des systèmes IA

Expliquer les modèles d’apprentissage machine: renforcer la confiance et la compréhension des systèmes IA

,

.

Comprendre comment fonctionnent les modèles d’apprentissage machine est essentiel pour renforcer la confiance et la compréhension des systèmes IA. Découvrons ensemble comment ces modèles fonctionnent!

## Expliquer la signification de l’explicabilité des modèles d’apprentissage automatique

L’explicabilité des modèles est devenue un domaine de recherche très important ces dernières années, car elle permet de comprendre comment fonctionnent les systèmes d’intelligence artificielle et de machine learning. Elle est également essentielle pour garantir la transparence et la responsabilité des systèmes d’IA. Cet article explore la signification de l’explicabilité des modèles, ses applications à divers domaines et l’influence qu’elle a sur la fiabilité des systèmes d’intelligence artificielle.

L’explicabilité des modèles est particulièrement importante pour les domaines qui traitent des questions sensibles ou critiques, tels que le secteur de la santé, où les prises de décision doivent être fondées sur des données fiables et compréhensibles. La capacité des systèmes d’IA à fournir des explications compréhensibles par les humains est essentielle pour garantir la confiance et l’adoption responsable des systèmes d’IA.

Les chercheurs ont mis au point plusieurs méthodes pour améliorer l’explicabilité des modèles d’intelligence artificielle et de machine learning. Ces méthodes peuvent être classées en trois catégories : l’analyse de l’architecture du modèle, l’analyse des poids et l’analyse des résultats. L’analyse de l’architecture du modèle consiste à étudier la structure du modèle et à déterminer comment les différents composants interagissent entre eux. L’analyse des poids consiste à examiner les poids assignés aux différents composants du modèle pour comprendre leur influence sur les résultats. Enfin, l’analyse des résultats consiste à étudier les résultats du modèle et à déterminer quelles variables sont les plus importantes pour expliquer le comportement du modèle. Ces méthodes peuvent être utilisées pour améliorer la transparence et la responsabilité des systèmes d’IA.

Source de l’article sur DZONE

/par
Garder son emploi, mais pas le même.

Garder son emploi, mais pas le même.

,

Garder son emploi est une décision difficile à prendre lorsque l’on souhaite changer de métier, mais c’est possible ! Découvrez comment.

## Est-ce que le examen OCP a encore du sens?

Récemment, j’ai consacré trois articles à mon étude réticente pour l’examen OCP-17 Java, en donnant des conseils sur la façon de rendre l’effort moins pénible. Je ne l’ai pas encore passé. Avec chaque nouvelle avancée en assistance à la programmation IA, affiner vos compétences en tant que compilateur humain me semble de plus en plus anachronique. C’était toujours un acte de masochisme, mais je suis de plus en plus convaincu qu’il n’y a aucun avantage professionnel à devenir bon dans quelque chose que la machine est supérieure. Je concède que toute poursuite peut être bénéfique ou agréable pour des raisons autres que la simple utilité, mais en tant que développeur, je suis payé pour être productif. Passer un bon moment au travail est un plus, et les compétences que l’OCP exige ne sont pas mon idée de plaisir.

De nombreuses tâches intellectuelles qui sont difficiles pour les humains sont faciles pour les ordinateurs (échecs, arithmétique, apprentissage par cœur) et le sont depuis des décennies. Nous avons inventé les langages de programmation de haut niveau et la collecte des déchets car les êtres humains sont terribles pour inverser les bits et gérer la mémoire. La feuille de route des langages informatiques et des outils est celle de l’abstraction croissante. GitHub Copilot et ses semblables ne sont que la prochaine étape inévitable pour éliminer la complexité accidentelle.

Bien que je sois un développeur expérimenté, je n’ai pas le temps ou l’envie de passer des heures à apprendre des concepts qui ne sont pas directement liés à mon travail quotidien. De plus, je ne vois pas l’intérêt de passer un examen qui ne me donnera pas une certification reconnue par l’industrie. Cependant, je suis conscient que l’utilisation des données est essentielle pour les développeurs modernes. Les données sont utilisées pour prendre des décisions, améliorer les performances et créer des produits innovants. Les développeurs doivent être à l’aise avec les bases de données, l’analyse des données et le traitement des données. Les compétences en matière de données sont très recherchées par les employeurs et peuvent être acquises par le biais d’un cours ou d’une formation en ligne.

Je pense que les développeurs doivent se concentrer sur leurs compétences en matière de données plutôt que sur l’apprentissage d’un langage de programmation spécifique. Les technologies évoluent rapidement et il est important de rester à jour. Les développeurs doivent être en mesure d’utiliser les technologies les plus récentes et les plus pertinentes pour leurs projets. Les compétences en matière de données sont essentielles pour réussir dans ce domaine et devraient être une priorité pour tout développeur.

Source de l’article sur DZONE

/par

Olena Kushakovska est nommée Présidente de SAP Labs France

, ,

Paris – 1er juillet 2023. Olena Kushakovska (50 ans) actuelle Directrice Générale de SAP Labs France devient la nouvelle Présidente de l’entité R&D de SAP en France.

 

Diplômée de l’Université de Kiev en mathématiques appliquées, de SKEMA Business School et de l’École Polytechnique, Olena Kushakovska rejoint SAP en 2000 en tant qu’ingénieure logicielle. Après plusieurs postes à responsabilité au sein des équipes de développement du Groupe, elle prend la tête du site SAP Labs France de Sophia-Antipolis en 2017. Elle s’engage dans l’écosystème local où elle favorise la création d’un consortium d’entreprises dédié à la recherche en intelligence artificielle.

Après ses succès dans la coordination des activités de R&D et la livraison des services aux clients, elle aura pour mission de renforcer l’attractivité de SAP Labs France en axant sa politique sur trois piliers : excellence opérationnelle, expertise technologique et engagement pour le développement durable.

Actuelle Directrice Générale de SAP Labs France et co-dirigeante du Conseil Industriel pour la Recherche en Intelligence Artificielle (ICAIR), elle devient Présidente de l’entité R&D et succède à Hanno Klausmeier, à ce poste depuis 2007.

« J’ai démarré chez SAP il y a 22 ans en tant que développeuse. J’ai gravi les échelons, jusqu’à prendre la tête aujourd’hui de SAP Labs France. Je ressens de la fierté d’accompagner une équipe de 400 experts et de la reconnaissance envers Clas qui me permet de relever ce nouveau défi », déclare Olena Kushakovska, Présidente de SAP Labs France.

« SAP Labs France, à travers la conception de solutions technologiques innovantes, joue un rôle essentiel dans l’accompagnement de la transformation de nos clients en France et à l’étranger. Je suis ravi que nous ayons trouvé en Olena un grand leader pour SAP Labs France. C’est une dirigeante qui a fait ses preuves et qui saura accomplir les missions qui lui sont confiées.», conclut Clas Neumann, Senior VP – Head of Global SAP Labs Network.

À propos de SAP

La stratégie de SAP est d’aider chaque organisation à fonctionner en « entreprise intelligente » et durable. En tant que leader du marché des logiciels d’application d’entreprise, nous aidons les entreprises de toutes tailles et de tous secteurs à opérer au mieux : 87 % du commerce mondial total est généré par nos clients. Nos technologies de Machine Learning, d’Internet des objets (IoT) et d’analyse avancée aident nos clients à transformer leurs activités en « entreprises intelligentes ». SAP permet aux personnes et aux organisations d’avoir une vision approfondie de leur business et favorise la collaboration pour qu’ils puissent garder une longueur d’avance sur leurs concurrents. Nous simplifions la technologie afin que les entreprises puissent utiliser nos logiciels comme elles le souhaitent, sans interruption. Notre suite d’applications et de services end-to-end permet aux clients privés et publics de 25 secteurs d’activité dans le monde entier, de fonctionner de manière rentable, de s’adapter en permanence et de faire la différence. Grâce à un réseau mondial de clients, de partenaires, d’employés et de leaders d’opinion, SAP aide le monde à mieux fonctionner et à améliorer la vie de chacun.

Pour plus d’informations, visitez le site www.sap.com. 

 

Contact presse : sylvie.lechevin@sap.com

sap@the-arcane.com

The post Olena Kushakovska est nommée Présidente de SAP Labs France appeared first on SAP France News.

Source de l’article sur sap.com

/par

Hunkemöller collabore avec Google Cloud et RISE with SAP® pour offrir une expérience de vente axée sur les données

, , ,

Le leader mondial du commerce omnicanal va utiliser RISE with SAP® pour migrer ses systèmes logiciels SAP® vers Google Cloud, réduisant ainsi les coûts et augmentant la productivité.

 

Paris, le 15 juin 2023 – Google Cloud a annoncé hier un nouveau partenariat avec Hunkemöller, leader mondial de la lingerie féminine, pour l’aider à améliorer son expérience client et accélérer sa stratégie de croissance omnicanale. Cet acteur reconnu utilisera la solution RISE with SAP® pour migrer ses données SAP® et son infrastructure informatique vers Google Cloud afin de réaliser une approche plus flexible, évolutive et axée sur les données qui permettra une expérience client fluide via sa marque.

Hunkemöller est l’un des principaux spécialistes européens de la lingerie : 23 pays de distribution, 850 magasins et 15 boutiques en ligne, dont le siège social est aux Pays-Bas. Tous ces canaux travaillent ensemble et de manière transparente pour offrir aux clients la meilleure expérience d’achat. Pour soutenir sa croissance et répondre aux attentes de ses clients en constante évolution, l’entreprise a décidé de migrer d’une infrastructure informatique sur site vers Google Cloud, dans le but d’aider à créer une stratégie axée sur les données et de trouver de nouvelles économies d’échelle au sein des opérations de Hunkemöller dans le monde entier.

En tirant parti des capacités de données et d’analyse de Google Cloud (Looker, BigQuery et Vertex AI), Hunkemöller sera en mesure de segmenter et d’attirer avec précision ses clients conformément aux politiques de données locales. Par exemple, en utilisant les données sur ses membres enregistrés, à la fois à l’intérieur et à l’extérieur de l’environnement logiciel SAP® de Hunkemöller, Hunkemöller peut suggérer la bonne taille aux clients en fonction de leur historique d’achat et de leurs préférences. Cela offrira non seulement une expérience d’achat plus personnalisée, mais permettra également à l’entreprise de réduire le nombre de retours, rationaliser les processus et ainsi offrir une expérience omnicanale améliorée.

Avec RISE with SAP® sur Google Cloud, Hunkemöller prévoit de migrer son environnement logiciel SAP® et d’autres applications vers le cloud, ce qui aidera l’entreprise à réduire ses coûts, à faire évoluer ses activités plus facilement et à mieux innover à l’avenir. Plusieurs espaces de stockage stratégiques sont stockées à différents endroits, mais elles seront consolidées dans le cloud, ce qui facilitera l’accès et l’analyse des données provenant de diverses sources.

“En déplaçant nos données sur site vers le cloud et en tirant parti des technologies Google Cloud, nous pouvons offrir à nos clients la meilleure expérience possible, pilotée par le numérique et facilitée par les données“, a déclaré Gordon Smit, Directeur Informatique monde chez Hunkemöller.  “Les développements se produisent à la vitesse de l’éclair dans le commerce, et nous voulons être un leader du marché en matière d’applications numériques et d’utilisation des données pour une meilleure expérience client et un meilleur fonctionnement de l’entreprise. Nous avons travaillé intensivement avec des experts de Google Cloud et ses partenaires pour réaliser le plan de migration vers le cloud.

« Hunkemöller, comme de nombreuses autres marques, a accès à de grandes quantités de données, qui sont fréquemment stockées dans les systèmes logiciels SAP®. Ces données peuvent être utilisées pour mieux comprendre le comportement des clients et les tendances du marché. Nous sommes ravis de collaborer avec Hunkemöller pour migrer ses systèmes et données vers le cloud, afin d’aider la marque à établir une base axée sur les données pour sa croissance future », a précisé Joris Schoonis, Directeur Général de Google Cloud Benelux.

“Nous sommes fiers de nous associer à Hunkemoller et Google pour accélérer la transformation vers le cloud et jeter ensemble les bases de nouvelles innovations numériques”, a déclaré Bart Doomen, Head of Industries, SAP Netherlands.

 

À propos de Google Cloud
Google Cloud accélère la capacité de chaque organisation à transformer numériquement son activité. Nous fournissons des solutions d’entreprise qui exploitent la technologie de pointe de Google, le tout sur le cloud le plus sécurisé du secteur. Des clients dans plus de 200 pays et territoires se tournent vers Google Cloud en tant que partenaire de confiance pour favoriser la croissance et résoudre leurs problèmes commerciaux les plus critiques.

À propos de Hunkemöller
Hunkemöller est l’une des marques de lingerie leaders et à la croissance la plus rapide d’Europe, avec plus de 850 magasins dans 22 pays. Fondée à Amsterdam en 1886, la société est depuis devenue une marque de lingerie omnicanale européenne. Hunkemöller propose des vêtements de corps parfaitement ajustés, à la mode et de haute qualité (soutiens-gorge, sous-vêtements, vêtements de nuit, maillots de bain et autres catégories, y compris les équipements de fitness). Hunkemöller est un véritable détaillant omnicanal et a intégré la technologie dans tous les aspects de l’entreprise ; d’un profilage client étendu basé sur une large base de membres actifs du programme de fidélité, à un processus de recrutement et de formation digitalisé pour les employés du commerce de détail. Le parcours client est au cœur de la stratégie de Hunkemöller et a abouti à une interaction transparente entre l’environnement physique et numérique grâce à ses initiatives click2brick. Un voyage durable Together Tomorrow a été lancé en 2020, un nom créé pour unir toutes les activités qui prennent soin de la planète et de ses habitants.www.Hunkemöller.com

A propos de SAP en France

La stratégie de SAP est d’aider chaque organisation à fonctionner en « entreprise intelligente » et durable. En tant que leader du marché des logiciels d’application d’entreprise, nous aidons les entreprises de toutes tailles et de tous secteurs à opérer au mieux : 87 % du commerce mondial total est généré par nos clients. Nos technologies de Machine Learning, d’Internet des objets (IoT) et d’analyse avancée aident nos clients à transformer leurs activités en « entreprises intelligentes ». SAP permet aux personnes et aux organisations d’avoir une vision approfondie de leur business et favorise la collaboration pour qu’ils puissent garder une longueur d’avance sur leurs concurrents. Nous simplifions la technologie afin que les entreprises puissent utiliser nos logiciels comme elles le souhaitent, sans interruption. Notre suite d’applications et de services end-to-end permet aux clients privés et publics de 25 secteurs d’activité dans le monde entier, de fonctionner de manière rentable, de s’adapter en permanence et de faire la différence. Grâce à un réseau mondial de clients, de partenaires, d’employés et de leaders d’opinion, SAP aide le monde à mieux fonctionner et à améliorer la vie de chacun.

Pour plus d’informations, visitez le site www.sap.com.

Contact presse SAP : sylvie.lechevin@sap.com / sap@the-arcane.com

Contact presse Google Cloud : Frédéric Boullard – fboullard@google.com

The post Hunkemöller collabore avec Google Cloud et RISE with SAP® pour offrir une expérience de vente axée sur les données appeared first on SAP France News.

Source de l’article sur sap.com

/par