Le BRMS (moteur de règles) : toujours un avenir ?

Le BRMS (moteur de règles) : toujours un avenir ?

A l’heure où l’Intelligence Artificielle est devenue LE sujet, l’incontournable atout dans les systèmes d’informations, le moteur de règles ou BRMS (technologie créée dans les années 70 et composante intégrante de l’IA) n’est pratiquement plus enseigné dans les écoles d’ingénieurs. Et pourtant, cette technologie est encore très activement utilisée dans tous les secteurs.

Deep Learning vs Expertise humaine métier

Quand on vous parle d’Intelligence artificielle, immédiatement vient à l’esprit le Machine Learning et le Deep Learning, ces algorithmes permettant un apprentissage par la machine d’un raisonnement à appliquer dans des situations similaires à celles sur lesquelles la machine s’est entrainée. Mais chaque entreprise est dotée d’une expertise métier humaine très riche, capable d’analyser et de construire une prise de décision adaptée à chaque cas rencontré. Pourquoi alors ne pas mettre pleinement à profit cette expertise en dotant les experts métiers de solutions informatiques leur permettant de transposer leur raisonnement ? Le moteur de règles est une solution.

Particulariser plutôt que catégoriser

Dans ce flot d’information qui nous inonde chaque jour, nous nous devons de faire le filtre, le tri pour porter notre intérêt sur ce qui nous paraît crédible et donc de confiance. La dématérialisation du contact et la numérisation de l’information n’empêchent pas le conseil pertinent et approprié. Aujourd’hui, qu’on le veuille ou non, des intelligences artificielles s’activent de plus en plus pour apprendre sur vous, votre comportement, vos préférences etc… Simplement, cet apprentissage ne conduit pas systématiquement à une réponse ou offre pertinente, adaptée à votre cas particulier, et en parfaite adéquation avec la stratégie des entreprises qui souhaitent vous « cerner ». L’intelligence de la statistique et de l’apprentissage n’exclut pas l’erreur de catégorisation. C’est là qu’intervient le BRMS !

Du système expert au BRMS

Il y a 40 ans, on commençait à modéliser le principe du diagnostic d’une pathologie à partir de symptômes cliniques ; c’était le début des systèmes experts qui, par instinct de survie et à coup de repackaging marketing au milieu des années 90, deviendront des Business Rules Management Systems (BRMS) 30 ans plus tard. Ce qui paraissait être de l’arrogance intellectuelle et scientifique est devenu une réponse au dialogue personnalisé et à la capitalisation de l’expertise. Aujourd’hui, le BRMS demeure une inférence cognitive présente dans tous les secteurs d’activité. La quasi-totalité des institutions financières françaises utilisent un moteur de règles pour leur processus d’octroi de crédit, notamment dans l’analyse du risque. Le secteur industriel comme financier et assurantiel ont mis en place des processus de tarification pilotés par les moteurs de règles, qui sont également une réponse dans les systèmes de détection de fraude et de lutte contre le blanchiment d’argent …

Les moteurs de règles (BRMS) ont encore un bel avenir !

Quelles sont les tendances des langages de programmation les plus demandés dans les SI ?

Quelles sont les tendances des langages de programmation les plus demandés dans les SI ?

Il peut sembler un peu tiré par les cheveux de penser que les langages les plus demandés en 2020 seront les mêmes que ceux qui triompheront en 2021. Toutefois, si l’on examine les tendances et les modèles de l’indice TIOBE, il semble que les changements ne soient pas radicaux d’une année à l’autre.

Les langages les plus populaires chez le développeur web

Prenons l’exemple des cinq langues les plus populaires en 2020 selon l’indice TIOBE. La liste comprend des langages aussi connus que C, Java, Python, C++ et C#. À l’exception de Python, les quatre autres figuraient déjà dans le TOP 5 en 2015 et 2010. De plus, si l’on compare l’indice 2020 et 2019, le seul changement se situe entre C et Java, qui échangent leur place dans le classement.

Mais si l’on descend dans la liste, on constate une augmentation de la popularité de certains langages de, bien qu’ils ne soient pas encore parmi les premiers. R, par exemple, se distingue, passant de la 19e à la 9e place en un an. Au cas où vous ne le sauriez pas, R est un langage spécialisé dans les graphiques et le calcul statistiques. Il est sous licence libre GNU et a été développé en 1993 par Bell Labs, anciennement propriété d’AT&T et maintenant propriété de Lucent Technologies.

Les autres langages qui ont fait un grand bond en avant sont Swift et Perl. Le langage d’Apple, lancé en 2014, bondit de la 16e à la 12e place, tandis que Perl (1987) passe de la 20e à la 13e place.

Nous avons mentionné le TOP 5 brièvement parce qu’il n’est pas nécessaire de les présenter. Java est toujours un langage utilisé dans les applications professionnelles ou de recherche grâce à sa polyvalence et à la facilité de programmation dans ce langage. En outre, il reste le langage officiel d’Android, même s’il accorde de plus en plus d’importance à Kotlin. À titre de curiosité, Kotlin est classé 34e dans l’indice TIOBE.

Conclusion

Depuis des années, Python est devenu un langage de référence, notamment pour le développeur web dans le traitement des données et dans des domaines de recherche en plein essor comme lintelligence artificielle ou l’apprentissage automatique.

En quoi le chatbot pourrait améliorer la relation client d’une entreprise ?

En quoi le chatbot pourrait améliorer la relation client d’une entreprise ?

Les besoins des consommateurs évoluent en permanence, et les enseignes ont bien compris les enjeux de la satisfaction dans le parcours des acheteurs. L’innovation est la recette magique pour offrir une expérience incomparable. Alors en quoi le chatbot pourrait-il améliorer la relation client d’une entreprise ?

Il réduit le temps de réponse

Intelligence artificielle et émotion, c’est l’association improbable. Et pourtant, l’agent conversationnel est capable de susciter une émotion positive grâce à des interactions rapides et efficaces comme une prise de rendez-vous, une information commerciale, ou encore un suivi de commande. Il est disponible à n’importe quelle heure de la journée et de la nuit, et supprime le temps d’attente. Avec lui, terminé les transferts sauvages de service en service pour trouver le bon interlocuteur ; il traite les demandes simples avec succès. Les requêtes les plus fréquentes pourront être automatisées et seront prises en charge par le bot. Libérés des tâches sans valeur ajoutée, les téléconseillers auront la liberté de se concentrer sur des activités plus valorisantes et répondre aux sollicitations complexes.

La majorité des techniques de ce traitement reposent sur l’apprentissage automatique pour déduire le sens des langues humaines. Cette technologie se positionne par ailleurs comme étant la force motrice des applications fréquentes comme les applications de traduction de langues, les traitements de texte (pour vérifier l’exactitude grammaticale des textes), les applications d’assistant personnel, etc.

Il fait bien du premier coup

Le chatbot maîtrise la relation avec un accès direct à l’historique client. Sa mission prioritaire est d’apporter une réponse immédiate et pertinente. Sa connaissance du dossier lui permet de résoudre un problème dès le premier contact, évitant ainsi la réitération d’appels et l’insatisfaction. Et pourquoi ne pas imaginer une démarche proactive dont l’objectif serait d’anticiper les besoins, voire de détecter des opportunités de business ? La machine et l’humain seraient ainsi complémentaires pour offrir un service efficace et performant. La solution de conversation en ligne permet de réduire les coûts de traitement du service support et d’améliorer l’image d’une entreprise.

De grandes marques lui ont fait confiance et ont vu nettement leurs sondages de satisfaction s’améliorer : SNCF, FNAC, Orange…

Utilisation de bases de données orientée graphes pour l’analyse statique de code

Analyse statique code

Utilisation de bases de données orientée graphes pour l'analyse statique de code

La R&D du Groupe dans les systèmes temps réel critiques

Un des axes forts du Groupe Pacte Novation est la qualité et la sureté de programme opérationnels pour les systèmes temps réel sur lesquels nous disposons d’une forte expérience.

Dans ces systèmes les bugs sont très coûteux et la détection de fautes et de bugs de programmation est aussi extrêmement difficile.

C’est pour cela que pour développer de plus grand systèmes en toute sécurité, nous utilisons et développons toute une panoplie d’outils allant des spécifications à la vérification de programmes. Pour les très gros programmes, la détection d’erreurs statiques est un point clef : nous sommes notamment responsables du logiciel AdaControl, qui permet de vérifier au quotidien les millions de lignes des programmes de gestion en temps réel du trafic aérien européen.

Le Groupe Pacte Novation s’implique dans la R&D comprenant un plan d’action pluriannuel avec à sa tête Laurent GOUZÈNES, Directeur Scientifique du Groupe. Avec trois docteur en informatique et un boursier CIFRE, le Groupe acte pour l’innovation technologique et le progrès informatique.

Analyse statique code

Le sujet en deux mots

Notre ingénieur développement logiciel Quentin DAUPRAT effectue une thèse dans le cadre de son doctorat à l’Université de Caen Normandie, en collaboration avec le Laboratoire de recherche en sciences du numérique GREYC.

Sa thèse portant sur le sujet « Structures de données et système de requêtes optimisées » est encadrée par Novasys Ingénierie sous l’égide de notre Directeur Technique Pierre DUBOSCQ.

Par ailleurs, une partie de ses travaux abordant le langage Ada, il travaille donc en étroite collaboration avec Jean-Pierre ROSEN (Adalog) et sous la Direction Scientifique de Laurent GOUZÈNES.

Ce document traite de l’analyse statique du code. Les besoins d’analyse devenant de plus en plus complexes et les volumes de code devenant de plus en plus grands, l’évolutivité des outils d’analyse de code devient l’un des défis actuels.
Nous explorons l’utilisation de technologies récentes, comme les bases de données de graphes pour représenter le code source et les modèles pour trouver des informations dans un graphe. Nous espérons que cela réduira le temps d’analyse d’un code source et améliorera l’efficacité de l’analyse. En essayant de répondre à la même requête par rapport à AdaControl, nous avons réussi à trouver des résultats qui n’avaient pas été détectés par l’approche programmatique. Nous espérons une amélioration supplémentaire lors de futures analyses comparatives.

Nous vous proposons des solutions autour du système d’information, système expert, embarqué et édition de logiciels,  nous permettant de répondre à la plupart des exigences du marché.