Press

Article Le Lien Multimédia - KAPITALISER, a software answering your questions (7 nov 2017)

Outil se déployant en mode logiciel en tant que service (SaaS), Kapitaliser utilise l’apprentissage automatique et l’intelligence artificielle pour permettre à l’usager de poser une question précise en ligne et de recevoir une réponse immédiate. Lancé en 2014, le logiciel aide à construire une connaissance commune pertinente constamment mise à jour. Le Lien MULTIMÉDIA a rencontré Alexandre Colin, président de l’entreprise française, lors de son passage à Montréal.

« Notre système permet à un individu de poser une question en langage naturel et de recevoir une réponse certifiée, explique-t-il. Nous travaillons sur la collaboration entre l’humain et la machine. » Kapitaliser compte une dizaine d’employés à l’interne, faisant aussi appel à des développeurs externes en mode projets. La société est née en 2013, le logiciel voyant le jour officiellement l’année suivante. « Nous venons tout juste d’ajouter une reconnaissance vocale, précise Alexandre Colin. Les usages sont assez larges et variés, l’outil servant de conseiller adapté. »
Concrètement, lorsqu’un usager pose une question, le moteur ou la communauté y répond. Les citoyens peuvent s’en servir pour poser des questions à une municipalité. D’ailleurs, la ville de Trappes, en région Île-de-France, l’utilise pour ses citoyens. En entreprise, un gestionnaire opérationnel définit qui est expert en quoi. « Les réseaux sociaux, c’est bien gentil, mais tout le monde dit n’importe quoi !, lance le président de Kapitaliser. Mieux vaut demander aux bonnes équipes. » Il donne en exemple une banque assureur qui lance un nouveau produit, le logiciel permettra aux conseillers d’être plus efficaces et, ainsi, d’obtenir des résultats de ventes.
Plus encore, les gens sont touchés par les changements organisationnels, ils vivent des inquiétudes et ont besoin d’une formation rapide. Le logiciel analyse les questions et crée des questionnaires paramétrables. L’outil a été développé avec une interface en « responsive design », afin d’optimiser l’utilisation sur ordinateur, tablette et téléphone intelligent. Il a été conçu en système ouvert, avec des interfaces de programmation d’application et de services Web, permettant à l’usager d’intégrer les fonctionnalités de Kapitaliser dans son site Internet, intranet ou extranet en quelques clics. L’entreprise utilisatrice peut contrôler les questions
les plus fréquentes, les utilisateurs les plus actifs et la vitesse de réaction de la communauté. Elle peut aussi voir le dynamisme des référents métier/technique, le nombre de connexions, la localisation géographique ou encore l’évolution dans le temps. Autre bénéfice du logiciel : il permet aussi de rapprocher les collègues.
« Certains clients demandent des fonctionnalités particulières qui peuvent demeurer privées, souligne Alexandre Colin. En fait, nous sommes anti-GAFA, toutes les données demeurent séquestrées et cryptées. Aujourd’hui, beaucoup d’éditeurs de solutions se mettent en mode anti-GAFA. Il faut renverser les tendances Amazon ou Facebook, il en va de notre patrimoine numérique et même constitutionnel. Nous sommes disruptifs, car nous redonnons le pouvoir au client. »
Après son passage à Montréal, dans le cadre du French Tech Tour America, organisé par Business France et Bpifrance, Alexandre Colin envisage de créer une filiale de son entreprise ici, encore faut-il en évaluer les bénéfices.
Auteur : Sophie Bernard

Testimonials

SVP – Responsable des Sources d’Information – Mme Muriel Lafargue

 

40 Companies to follow in 2016-2017
Digitalize change management

Digitaliser la conduite du changement

La société de conseil Cogiway a mis au point un logiciel de questions-réponses auto-apprenant pour accompagner les collaborateurs lors des transformations au sein de leur entreprise. Ce moteur de recherche, totalement innovant, est l’outil indispensable pour réussir une conduite du changement.

Contrairement aux techniques d’approches traditionnelles mises en place pour réaliser la conduite du changement dans l’entreprise (communication, formation, change agents…), la solution SaaS mise en place par le cabinet Cogiway, qui intervient tant en France qu’à l’étranger, se concentre sur les collaborateurs pour identifier leurs craintes, anticiper leurs interrogations et les soutenir de manière dynamique afin que ce changement dans l’entreprise devienne une étape positive à laquelle ils s’investissent pleinement. Son nom : Kapitaliser.

 

Un moteur de recherche auto-apprenant

Développé en 2014 et commercialisé début 2015, ce moteur auto-apprenant, social et communiquant a été spécifiquement développé en tant qu’outil de conduite du changement. Il fonctionne sur un mode de questions-réponses. Ce qui implique qu’au préalable, lors de l’installation du logiciel dans l’entreprise, le contenu de la base de données aura été enrichi de manière à répondre instantanément aux interrogations des utilisateurs. Applications métiers, acronymes utilisés par l’entreprise (pour permettre aux salariés lors d’une fusion d’accéder au langage commun du groupe), codes erreurs, procédures et modes d’emploi y figureront par exemple en bonne place.

L’utilisateur pose une question, en langage courant, comme s’il s’adressait à l’un de ses collègues. La question est aussitôt mémorisée. S’il ne trouve pas la réponse, Kapitaliser va automatiquement contacter par mail le référent concerné (directeur de département, ingénieur, manager, partenaire…) pour obtenir une réponse et capturer son savoir opérationnel. Capitalisée, la réponse est à son tour immédiatement disponible à première demande. Les réponses peuvent par ailleurs être complétées par d’autres référents, ce qui peut susciter en interne un débat forcément positif pour rechercher un point d’accord.

« Kapitaliser facilite le flux d’informations, le savoir et l’avis de l’expert, mais aussi celui de l’utilisateur. Il fluidifie les données pour les redistribuer dans l’entreprise » souligne Alexandre Colin, président de Cogiway et ancien directeur au sein d’Accenture France, en charge des offres de Formation et de conduite du changement.

 

Plus qu’un logiciel, un allié

Accessible en ligne avec un compte sécurisé, Kapitaliser qui peut être installé et paramétré en trois jours, présente une interface simple, pour une appropriation instantanée par ses utilisateurs. Aucun besoin d’avoir recours à une formation spécifique. Logiciel agnostique par excellence, il peut se connecter à n’importe quel autre logiciel du marché, en se greffant comme une toile intelligente sur les programmes, les bases documentaires ou les réseaux sociaux déjà en place dans l’entreprise. Idéal pour le monde de l’édition, du fait de sa capacité à enrichir en permanence des contenus, il présente l’avantage de ne pas figer un article ou un paragraphe dans le temps, mais au contraire de pouvoir l’actualiser, l’enrichir, l’agrémenter en continu.

Non content d’aider l’entreprise à construire une connaissance commune et pertinente sans cesse remise à jour, en pilotant de manière intelligente les communautés de collaborateurs, il permet de sécuriser les projets, de favoriser les compétences et encourage l’efficacité des équipes. Plus qu’un logiciel, Kapitaliser apparaît comme un allié pour optimiser la conduite du changement, grâce à son approche purement locale. « Kapitaliser est un facilitateur. Il augmente le facteur humain pour le mettre en valeur », argumente Alexandre Colin

L’Express – Juin 2016

Collective intelligence & knowledge kapitalization

Intelligence collective & capitalisation des connaissances

Questionnez, c’est gagné !

Qui n’a jamais rêvé de poser une seule et unique question à un moteur de recherche et d’obtenir, en un clic, directement la bonne réponse formulée par un expert ? Pas une explication approximative fournie par un individu lambda. Non. Pas non plus une ribambelle de résultats, de sites, de liens ou encore de pages pouvant, tous autant qu’ils sont, potentiellement se révéler erronés et/ou source d’erreur. Non. LA bonne réponse et c’est tout. Pure utopie ? Pure fiction ? Pure ineptie ? À ces interrogations, somme toute légitimes, Alexandre Colin, fondateur et Président de la société Cogiway et Miguel Delgado, Directeur Technique, répondent par l’apprentissage automatique. Autrement dit, par un champ d’étude dépendant de l’intelligence artificielle plus connu sous l’appellation anglophone de « Machine Learning ». S’il n’est pas nouveau, il n’en constitue pas moins une véritable révolution puisqu’il permet à des machines d’apprendre comme des êtres humains et de capitaliser sur leurs acquis. Bref, des machines (au sens large du terme) intelligentes en mesure de s’atteler à des tâches délicates voire impossibles à réaliser par des moyens algorithmiques classiques. Et un marché : celui de l’intelligence collective, dont dépend la capitalisation des données, qui attire aujourd’hui aussi bien les grandes organisations, que les villes et les opérateurs puisqu’il permet auxdits acteurs de trouver d’emblée toutes les (bonnes) réponses à leurs questions et d’accroître, par voie de conséquence, leur productivité. Explications…

Par Julie Cohen

« Chaque jour, les salariés perdent, en moyenne, entre une heure et demi et deux heures et demie de temps à rechercher des informations, que celles-ci soient supposées figurer sur Internet, ou sur les réseaux sociaux des organisations. Une perte de temps phénoménale à laquelle toutes les entreprises, quelque soient leur taille et leur secteur d’activité, sont confrontées partout dans le monde. Si l’on ramène cette constatation à une société de 1 000 personnes, ce ne sont pas moins de 2,5 millions d’euros par an de perte d’efficacité. À l’échelle globale, cela implique plusieurs dizaines de milliards d’euros de pertes et donc une efficacité des entreprises sensiblement mise à mal ». Ce point, Alexandre Colin en a pris la mesure il y a plus de dix ans maintenant. À l’époque, il œuvre au sein de la société Accenture en qualité de Directeur de missions en charge de la conduite du changement pour le compte d’organisations clientes. Des évolutions qu’il parvient à mettre en œuvre chez celles-ci. Mais de là à disposer de la marge de manœuvre nécessaire pour être totalement libre, innovant et disruptif dans l’exercice de ses fonctions, il y a un monde. Pour autant, son verdict se révèle sans appel : « Je suis parti de plusieurs constats », explique-t-il. « Lorsque nous déployions des réseaux sociaux pour les entreprises, nous constations que ces dernières ne les utilisaient que très modérément. En d’autres termes, les collaborateurs se rendaient sur les réseaux sociaux d’entreprises seulement lorsqu’ils avaient un peu de temps pour consulter la fiche d’un collègue ou bien pour lire un article, mais jamais pour les utiliser en tant qu’outil de travail opérationnel. Or, il faut bien comprendre une chose. Aujourd’hui, les organisations peuvent parfois débourser des centaines de milliers d’euros pour développer un réseau social d’entreprise que les collaborateurs n’utiliseront, in fine, que lorsqu’ils ont du temps à perdre. À l’heure actuelle, un réseau social d’entreprise permet, a priori, aux salariés de communiquer et aux experts de diffuser un savoir. Nous sommes dans une logique dites ‘Expert-centric’. Nous laissons la parole à des personnes. Mais sont-elles réellement expertes ? Sont-elles toujours dans le vrai ? Tout cela s’avère impossible à vérifier. D’où l’absolue nécessité de changer de logique. De partir des questions des collaborateurs (des citoyens pour ce qui concerne les Smart Cities, des  prospects, ou des clients qui naviguent sur des extranets) et d’effectuer, dès lors, une analyse sémantique de leurs questions pour leur adresser une seule bonne réponse. Au lieu de leur proposer 30 000 pages de réponses comme le font les moteurs de recherche classiques, il s’agit d’essayer de leur en donner une seule. Comment est-ce possible ? Il suffit, pour ce faire, d’utiliser une solution ‘hybride’ Homme/Machine qui apprend au regard de ce que disent les experts d’une part, des actions et des réponses obtenues par les utilisateurs finaux d’autre part. Une solution qui capitalise sur les savoir-faire, qui collecte des informations au fur et à mesure et qui peut, ensuite, restituer une réponse claire et intelligible aux utilisateurs. C’est là la vocation du ‘Machine Learning’ ».

 

Retour vers les « fifties » !

Né durant la seconde moitié du XXe et issu du domaine de l’intelligence artificielle, le Machine Learning prend, très concrètement, la forme d’algorithmes en mesure d’accumuler de la connaissance et de l’intelligence à partir d’expériences, sans être humainement guidés au cours de leur apprentissage, ni explicitement programmés pour gérer telle ou telle expérience ou donnée spécifique. Si dans les années 70 et 80 les prémices du Machine Learning sont orientés autour de systèmes d’expertise restreints à des domaines spécifiques tels que l’analyse en chimie, le diagnostic médical, les systèmes experts de l’industrie, ou encore les robots et les logiciels très spécialisés, c’est seulement dans les années 90 que ce champ d’étude devient une discipline à part entière. Son ambition ? Pallier des problématiques plus concrètes en lien direct avec les données des organisations. De fait, s’il consiste à concevoir des machines qui se comportent et opèrent de manière intelligente ou qui simulent cette intelligence, le Machine Learning permet auxdites machines d’apprendre et de stocker leur compréhension du monde. Une éducation qui peut, aujourd’hui, être opérée de trois manières. Au travers d’un apprentissage dit « supervisé » dans un premier temps. Dans ce cadre, il est question de donner à l’algorithme un certain nombre d’exemples (les fameux « input ») sur lesquels il va fonder son apprentissage. Des exemples qui sont, ensuite, labélisés dans le sens où on leur associe un résultat souhaité (les « output »). L’algorithme a alors pour tâche de trouver la loi qui permet de trouver l’output en fonction des inputs. Vient, dans un second temps, l’apprentissage que l’on présente comme « non supervisé ». On parle ici de « clustering ». Cette fois, aucun label n’est adressé à l’algorithme. Celui-ci doit découvrir, sans assistance humaine, la structure caractéristique de l’input. Dans un troisième et dernier temps, l’apprentissage peut être effectué sous la forme d’un renforcement. Soit une sorte d’intermédiaire entre les deux premières formes d’apprentissage où l’algorithme est, cette fois, conçu pour chercher à optimiser, par tous les moyens, une récompense quantitative, positive ou négative à partir d’expériences correspondant à différentes situations. Trois approches de l’apprentissage automatique qui peuvent aujourd’hui être appliquées pour répondre aux enjeux de quantité d’acteurs ou, tout du moins, dans le cadre de différents usages. Encore faut-il définir à qui elles s’adressent et dans quel but ?

 

Big Data against The Machine Learning ?

 

Depuis 2013, Alexandre Colin a placé le Machine Learning au rang de ses priorités. En fondant sa société Cogiway il y a 3 ans – société dont le nom s’avère la synthèse de « cogi », « penser » en latin et de « way », soit « façon » en anglais impliquant l’idée de « penser autrement » – il a pour ambition de développer des solutions de rupture pour, dit-il, « aider les grands comptes à se moderniser et à être plus performants ». S’il dispose, au sein de son entreprise, naturellement d’une expertise orientée autour du conseil (histoire de partir des besoins fonctionnels des organisations, de traduire lesdits besoins et de proposer une solution permettant d’y répondre), il a, en parallèle, pris le parti de développer un logiciel répondant au nom de Kapitaliser (notre encadré) qui prend la forme d’un moteur de recherche fonctionnant sur serveurs et qui peut être utilisé dans le cadre d’au moins trois contextes différents. Ainsi, lorsque le premier tient au fait de permettre à un utilisateur de poser une question en vue d’obtenir une réponse immédiatement (1er usage), le second s’adresse, lui, plus spécifiquement aux Smart Cities (en cours de déploiement). Il a pour but de donner aux citoyens la possibilité de poser des questions sur les différents sites Internet des villes (2e usage). Le troisième, quant à lui, repose sur l’analyse des échanges dans les réseaux sociaux. L’objectif étant d’identifier et d’extraire les questions les plus importantes afin de donner, une fois pour toutes, la bonne réponse (3e usage). Ainsi, à l’heure où la révolution numérique bat son plein et où la gestion des data (et de la Big Data !) constitue un enjeu majeur pour les organisations comme pour les villes, le Machine Learning prend aujourd’hui tout son sens puisque les entreprises ont bien souvent tendance à récolter une quantité de données considérable. Elles ont, par ailleurs, parfaitement intégré le fait qu’une exploitation judicieuse de leurs données peut rapidement constituer un atout majeur quant à leur stratégie de déploiement. Une thèse que soutient Alexandre Colin naturellement. « À l’heure actuelle, le mode de fonctionnement des grands comptes implique une problématique liée à la massification de l’information », estime-t-il. « Ils produisent, en effet, une quantité d’informations colossale et, pour répondre, à cet enjeu, ils ont pris le parti de faire de la Business Intelligence (BI) en concevant des moteurs de recherche ultra puissants pour analyser leurs données et tirer des conclusions. Le fait est que les conclusions en question peuvent parfois se révéler désuètes et donc non pertinentes. Puisque les organisations s’inscrivent dans une logique permettant à tout un chacun de publier du contenu, elles se doivent, par voie de conséquence, d’augmenter la puissance de leur data centers. Est-ce pour autant de cette manière qu’il convient de procéder ? Je ne le crois pas. Si elles partaient directement des questions de leurs utilisateurs/collaborateurs, elles pourraient diviser par dix la quantité d’informations dont elles ont besoin. D’où la nécessité d’écouter les utilisateurs finaux. Naturellement, les entreprises ont tendance à se positionner dans cette logique ’Expert-centric’. Or, il conviendrait d’inverser la donne et de miser sur une posture ‘User-centric’. Ne vaut-il pas mieux trouver une seule bonne réponse sur un moteur de recherche plutôt que de recevoir 30 000 possibilités de réponses sur 30 000 sites ? Lesquels sites peuvent se révéler complètement erronés. Un vaut mieux que 30 000 ! C’est là toute la logique et l’intérêt d’une logique ‘User-centric’. Pour quelle raison ? Parce que cette approche, qu’elle soit appliquée aux organisations, ou aux villes, permet aux collaborateurs ET aux citoyens de ne plus perdre un temps infini à chercher une réponse. Or qui dit temps optimisé, implique nécessairement une productivité accrue des individus. Ce qui (dans le cadre des entreprises) participe à leur performance ainsi qu’à l’optimisation de leur retour sur investissement. Encore faut-il que les solutions technologiques proposées fonctionnent avec intelligence. De fait, aujourd’hui en France, le peu d’acteurs ayant investi le marché de l’intelligence artificielle/collective et du Machine Learning proposent, généralement, des réponses globales à des questions. Seulement voilà, une réponse n’a de sens que si et seulement si elle s’inscrit dans un contexte et que l’on s’adresse aux bonnes personnes. D’où la nécessité, selon moi, de faire ce que l’on appelle de l’intelligence artificielle hybride. Cette alliance Humain/Machine où la performance de l’humain est augmentée par la machine et où la machine est augmentée par l’humain. Elle n’apprend pas seule ! Je vois en l’intelligence artificielle une manière d’augmenter la productivité et la performance des collaborateurs, non de remplacer l’humain ». Une approche qui constitue, vous l’aurez compris, une véritable révolution sur le volet du Machine Learning. Sa finalité ? Permettre aux organisations, aux villes, aux citoyens, aux utilisateurs. Bref à tout un chacun de générer des gains quantitatifs et qualitatifs de temps et de performance. Et une volonté : celle d’apporter de la valeur ajoutée à tous ces acteurs que porte Alexandre Colin avec conviction dans un contexte de crise qui n’en finit pas de jouer les prolongations et où, concurrence oblige, il convient, aujourd’hui plus que jamais, de se démarquer en bonne intelligence.

 

L’œil sur Cogiway et Kapitaliser

Fondée en 2013 par Alexandre Colin, la société Cogiway (8 personnes en interne à ce jour et un réseau de 120 consultants triés sur le volet, mobilisables en mode projet) a pour positionnement le conseil spécialisée dans la gestion des connaissances et la conduite du changement. De fait, si le premier volet de son expertise repose essentiellement sur l’accompagnement qu’elle adresse à ses clients (des grands comptes principalement à l’image de Schneider Electric, du groupe Axa, de BPCE, de Areva, de Faurecia, des groupes SNI et SVP, mais également des villes comme Trappes ou bien encore des opérateurs téléphoniques), il n’en demeure pas moins qu’il convient parfois, selon son Président fondateur, également d’adosser à ce savoir-faire des outils techniques. C’est là qu’un logiciel comme « Kapitaliser » prend tout son sens ! C’est d’ailleurs pour cette raison que Cogiway a concentré une grande partie de son investissement dans le « machine learning » comme le souligne son Directeur Technique, Miguel Delgado. De quoi s’agit-il ? D’une solution disponible en mode SaaS, accessible en ligne donc, avec un compte sécurisé et qui prend la forme d’un moteur de questions-réponses social et auto-apprenant. Simple à utiliser (elle dispose, en effet, d’une interface utilisateur ergonomique et intuitive ne nécessitant aucune formation au préalable), elle permet à ses clients (entreprises, villes, opérateurs etc.) de constituer un socle de connaissances pertinentes et sans cesse à jour. Le but ? Permettre aux collaborateurs et aux citoyens d’obtenir la bonne information, de façon instantanée, au bon moment (c’est-à-dire lorsqu’ils en ont besoin). Côté collaborateurs, il s’agit de leur donner la possibilité d’optimiser l’acquisition de leurs compétences tout en leur permettant d’être plus efficaces (puisqu’ils ne perdent plus un temps infini à rechercher une information). Or, qui dit économie de temps, implique, par là-même, une économie d’énergie pour les équipes. Ce qui, très concrètement, génère un rapide retour sur investissement pour les organisations. Lesquelles, à titre d’exemple, peuvent diviser par 100 le nombre de sollicitations effectuées par mail et par téléphone. « Un outil multi-supports, développé en responsiv design qui peut, par ailleurs, monitorer la vie d’une communauté et dont la spécificité repose sur cette approche hybride, donnant-donnant entre l’Homme et la Machine au sens large, mais également sur cette logique ‘User-centric’. Soit sur un outil conçu comme un moteur de recherche inversé qui permet d’obtenir un minimum de bonnes réponses et non une quantité démesurée. En cela « Kapitaliser » se révèle particulièrement innovant et, non accessoirement, le seul logiciel aussi abouti à l’heure actuelle disponible sur le marché du Machine Learning. Mais un logiciel que les équipes de Cogiway n’ont absolument pas pour ambition de proposer à tous les coups. Ces dernières aspirant uniquement à identifier les bonnes idées qui répondent à des besoins particuliers afin de les transformer, pour leurs clients, en innovation réussie.

Information Entreprises – Juin 2016 

 

News

TeamBrain in the Grande Arche

TeamBrain s'installe dans la Grande Arche au sein de l'incubateur Swave - 1 parvis de la Défense. SG Global Markets nous y invite dans le cadre du concours Fintech et Assurtech qu'ils ont organisé fin 2018. Sur 65 startups, 6 ont été retenues. Sur l'ensemble de...

Cogiway exhibits at SmartCity Porte de Versailles

Cogiway presents Kapitaliser at Smartcity trade fair at 'Porte de Versailles' (Paris) 8th an 9th of November 2016. Kapitaliser enables citizens to obtain instant and certifed answers to their questions(24h/24, 7d/7) Kapitaliser helps organizations to better understand...

1,8M$ Fund rising and entry of SIDE Capital

The company SIDE Capital and its CEO Renaud Guillerm have decided to invest in our company. This entry with bank loans represent a total fund rising of 1.8M$. We are particularly happy to welcome in our capital the company SIDE which invests and supports startups in...

Arrival of Viraphong Xaysanasy – Chief Sales Officer

Today, we are happy to welcome our Chef Sales Officer in our team, Viraphong Xaysanasy Mid-sized-large accounts B2B software specialist, he has worked for companies like Everwin, Efisens, SalesCycle. Nous lui souhaitons le meilleur pour les nombreux challenges qui...

PM’Up prize winner

TeamBrain is activelly supported by Ile-De-France Region and is PM'UP prize winner!!! About 800.000$ works will be funded, with a suvention of 180.000$ in 3 years. Thank you to IDF Region IDF and to Valérie Pécresse teamns for this for this gesture of trust and...

A team in the starting blocks …

To support its growth and turn our prospects into happy customers, 3 business developpers have joined us. Welcome to Nelson, Laïla and Chelbya who will try to align your issues with our solutions.

Cogiway and Kapitaliser become TeamBrain

The company Cogiway and its software 'Kapitaliser' change their name and adopt the name TeamBrain. TeamBrain® véhicule l'ambition de la société : développer l'intelligence collective au sein des équipes, de façon simple, rapide et mesurable. TeamBrain® utilise le...

ABOUT TEAMBRAIN®

TeamBrain® est une solution de machine Learning développée par la société du même nom, une entreprise française d’édition de logiciels. Conçue et développée avec ses clients et au contact de ses utilisateurs finaux, TeamBrain® est un accélérateur de la transformation digitale.

Powered by

Logo TeamBrain