Trophées du Big Data 2015

La 4ème édition du congrès Big Data, événement majeur dans ce domaine, s’est tenue les 10 et 11 mars au CNIT à Paris. Deux jours de conférences stratégiques étaient organisés ; une belle opportunité de comprendre et saisir les enjeux stratégiques, réglementaires, technologiques et les opportunités d’un marché en plein expansion. Cet événement a été l’occasion de récompenser les projets les plus innovants dans le domaine. Ce sont quatre projets qui ont été distingués dans des secteurs d’activités très variés:

• Parkeon a reçu le Grand Prix Spécial du Jury pour son application innovante qui permet de trouver les rues où vous avez le plus de chance de pouvoir garer votre voiture, grâce à un modèle prédictif probabiliste pour chaque ville en utilisant les données de horodateurs, des villes, des événements ou encore de la météo,

• Le 1er prix a été attribué à Tellmeplus, avec la SNCF et le CNRS, pour le projet de drone de surveillance des voies en temps réel. L’analyse des images en provenance des drones mais aussi des satellites et caméras au sol permet de construire des modèles de compréhension et de prédire les situations à risque. La première utilisation de ce système s’appliquera notamment à la végétation et au risque de chute sur les voies,

• Coheris a reçu le 2ème Prix pour son moteur de recommandation en temps réel, un élément majeur du programme Open Food System développé par SEB. Ce moteur de recommandation s’appuie sur la collecte et l’exploitation des données de profils, d’usages Web, des outils connectés et des données de contexte, pour recommander des recettes en temps réel,

• Safetyline, éditeur de solutions de gestion des risques dans le transport aérien, a reçu le 3ème prix pour son projet Opti–Climb qui vise à réduire la consommation de carburant des avions, en utilisant les données des boîtes noires pour optimiser le profil de montée de vol et l’utilisation des avions de ligne,

• Un prix coup de cœur a notamment été remis au CNRS pour son projet Dada qui a pour objectif d’exploiter en temps réel les données d’observations du système climatique afin de mettre en évidence un lien de causalité éventuel entre activités humaines et changements climatiques.