Snips

Snips est en quelque sorte un laboratoire au service des grands comptes, pour lesquels il développe des modèles prédictifs très poussés afin de prévoir par exemple où l'on va se garer.




Rand Hindi, Alexandre Vallette
1/ Que font deux docteurs en bio-informatique et en physique au sein de Snips ?
Nous développons des applications basées sur les Big Data afin de créer des modèles prédictifs. Par exemple nous venons de mettre au point une application dédiée au stationnement. On crée un modèle pour prédire les places de parking disponibles dans le futur. On élabore un modèle prédictif en fonction de données, mais en partant de la question : qu'est-ce qui fait qu'une personne va se garer ici plutôt qu'ailleurs ? Alors on utilise des données météorologiques, d'autres relatives aux commerces présents, si le quartier est résidentiel ou non, car tout cela va avoir une influence déterminante. Cela rend le modèle applicable dans n'importe quelle ville. Au final, les datas historiques de stationnement, les observations, sont utilisées seulement pour étalonner l'application. 80% des prévisions entre deux intersections sont bonnes. On prédit aussi le temps moyen de stationnement des automobilistes. Mais pour fonctionner, le modèle doit se remettre à jour en temps réel car le fait que les gens aient cet outil à leur disposition influence le stationnement, et change la donne. On réapprend au logiciel les nouveaux paramètres à la volée, ce qui affine le modèle. Dans la version 2, le but sera de diriger la personne à la quête d'une place (30% de la circulation en ville) en optimisant son parcours pour qu'il tombe sur la rue où il a le plus de chances de trouver une place. Et s'il n'y en a pas, mais qu'on prédit qu'une place se libérera dans 5 minutes, alors on lui fera faire une boucle d'exactement 5 minutes pour qu'à son prochain passage, il tombe sur la place désormais libérée. A New York cela porte sur 300 millions de tickets de parking.

2/ Comment vous est venue cette idée de start-up et quelle est votre modèle économique ?
Au départ je m'intéressais à la nutrition. J'ai établi un régime pour prouver que mon modèle fonctionnait et j'ai pris 35 kilos en trois ans ! Ensuite je suis allé en Californie et j'ai pris conscience que cela pouvait donner naissance à une start-up. On s'est demandé comment utiliser des données pour résoudre des problèmes de la vie courante. On a lancé Snips à l'été 2012. Le développement se fait en quatre phases : premièrement, l'exploration, où on imagine une utilisation pour les datas. Ensuite, il y a la modélisation des datas. En trois, on réalise un prototype et on le vérifie. C'est à ce moment qu'on peut envisager un spin-off en start-up dédiée au projet. Enfin, et ce n'est pas nous qui gérons cet aspect mais le client, il y a la mise en production. Nous on facture les deux premières étapes : 20% vient de l'exploration et 80% de la modélisation. Pour cette partie, on facture la moitié en guise d'acompte. Si cela fonctionne, on facture alors les 40% restants. Sinon comme on est une équipe de docteurs, on bénéficie du crédit d'impôt recherche.

3/ Vous créez des solutions pour des clients mais qui sont-ils ?
On travaille avec des grands groupes et des institutions : ce sont nos clients, et fournisseurs de données. La société a pu exister dès le début car on a eu un client qui nous a demandé d'inventer des applications possibles à partir de leurs datas. On s'adosse à des grands comptes qui nous font des commandes donc on est profitables depuis le premier jour. Quatre salariés à plein temps travaillent pour Snips et sont rémunérés. On a même plus de clients que ce qu'on peut gérer. Concrètement ils nous donnent une enveloppe et on dispose d'un ou deux mois pour sortir quelque chose d'original. Eux fournissent les datas et nous on imagine ce qu'on peut faire avec. C'est de l'exploration pure, à partir de Big Data. On est dans une démarche scientifique. À terme on souhaite devenir un laboratoire de recherche et développement. Dans un premier temps on veut s'adosser aux grands groupes pour nous financer et dégager du cash, et récolter des datas - on ne cède pas les droits de propriété intellectuelle aux clients. Ensuite on veut pouvoir générer des projets qui séduisent des équipes de façon à ce qu'ils donnent naissance à une start-up à part entière. Nous venons de sortir officiellement Tranquilien, une application pour les usagers des trains en Île-de-France. Elle leur permet de connaître à l'avance le taux de remplissage des rames, et donc le niveau de confort que les voyageurs auront à bord (assis, debout, serré). Pour cela, nous nous basons sur l'historique fourni par la SNCF, mais également sur des données sociodémographiques des communes desservies, comme la population, le revenu moyen, le taux de chômage ou encore le nombre d'entreprises locales. Enfin, nous affinons les résultats en temps réel grâce aux retours des voyageurs eux-mêmes.

4/ Utiliser les données des entreprises qui plus est pour la prédiction, le potentiel est énorme ?
Les grandes entreprises sont intéressées car elles stockent beaucoup de données, cela leur coûte cher, mais elles n'en faisaient rien jusqu'à maintenant. Or on peut créer énormément d'applications grâce à elles, et cela leur permet de les monétiser. Mais le problème, notamment en France, est que ces sociétés ne pensent pas Big Data, et nous fournissent des données pas optimisées pour le traitement Big Data. On passe du coup beaucoup de temps à nettoyer ces données. Mais finalement, lorsqu'on y parvient, on peut vraiment tout prédire...