La valorisation des données est un enjeu critique pour les entreprises qui veulent tirer un avantage économique et concurrentiel. C’est le domaine de la science des données (​ data science​ ), souvent désignée par
intelligence artificielle (IA).

Cependant, l’application des techniques de valorisation des données exige des compétences techniques rares, prend du temps et coûte cher. Or, la très grande majorité des entreprises ne dispose ni des compétences,
ni du temps pour former ses équipes, ni des moyens de les externaliser. De plus, la situation ne s’améliore pas : les compétences sont drainées par une poignée d’entreprises pour collecter et traiter leurs données massives. Elles s’imposent dans l’espace médiatique et assoient ainsi leur emprise en attirant les attentions et les talents. L’innovation est confisquée.

Mais les géants du numérique ne sont pas incontournables. En effet, les données dont disposent la majorité des entreprises ne sont ni massives, ni complexes. Elles sont en général de petite taille (de 100 à 10000 lignes, avec moins de 10 colonnes) et reliées à des objets simples : ventes, clients, produits, etc. Ces données se ressemblent beaucoup et se traitent encore avec le traditionnel tableur MS Excel. Nous constatons
que, souvent, seule la mise en forme des informations varie entre entreprises.

La société AltGR a été créée en juillet 2018, à partir de travaux de recherche initiés en amont. Elle propose des services de conception et de développement de solutions numériques (datalab) ainsi que le service en ligne DSaaS qui démocratise l’accès aux technologies de valorisation des données. Ses associés-fondateurs sont des professionnels qui exercent depuis plus de dix ans dans les domaines de la science des données, de la gestion et du commerce. Notre ambition est d’accompagner toutes les organisations, quels que soient leur taille ou leur secteur, pour prendre le virage numérique et utiliser pleinement les relais de croissance proposés par ces outils : aide à la décision, étude de signaux faibles, détection de cycles, prédiction de tendances, catégorisation automatique, recherche de corrélation, etc. La proposition de valeur de DSaaS, qui fait l’objet de ce dossier, prend ses racines dans la réalité économique, quotidienne et entrepreneuriale – loin des applications spectaculaires des milliards de lignes du Big Data traitées par deep learning.