Qu’est-ce qui pousse deux ingénieurs à vouloir révolutionner la prise de décision en entreprise? Mark Hay et Ethan Ding, optimistes invétérés et co-fondateurs de TextQL, se sont fixé un objectif ambitieux: rendre chaque décision d’entreprise basée sur des données objectives.
Avec leur plateforme TextQL, connectée à la fois au stack de données existant de l’entreprise et à des modèles de langage à la pointe de la technologie, tels que ceux d’OpenAI, veulent-ils véritablement redéfinir l’interaction entre les équipes métier et les données? Ils proposent à ces équipes de poser des questions à leurs données à la demande, en utilisant des outils qui comprendraient le contexte et le lexique spécifique de l’entreprise. Est-ce là la solution à la promesse longtemps non tenue du « self-service » en matière de données?
Les chefs de données des grandes entreprises sont souvent sceptiques, Hay le comprend-il? Avant la création de TextQL, beaucoup se sont vus promettre une indépendance dans l’accès aux données qui n’a jamais été concrétisée. Les scientifiques de données perdent jusqu’à 40% de leur temps à traiter des demandes ponctuelles, tandis que les équipes métiers se heurtent à des représentations divergentes des mêmes concepts dans les bases de données. Comment Hay et son associé, Ding, peuvent-ils surmonter ces obstacles?
« Rendre les données accessibles et compréhensibles par tous, en voilà la promesse de TextQL. »
Concrètement, TextQL se propose de mapper les termes business des clients dans leur langue aux informations dans leurs bases de données, mais réussit-il à rendre ce processus intuitif et efficace pour des utilisateurs non techniques? En se connectant aux outils de business intelligence et en orientant les utilisateurs vers des tableaux de bord déjà existants, la solution de Hay et Ding parviendra-t-elle à créer un dialogue simplifié entre homme et machine?
Pourrait-on réellement interroger un chatbot TextQL avec des questions métier spécifiques et obtenir des réponses pertinentes, voire voir ce chatbot automatiser certaines actions comme l’envoi d’un email contenant des données spécifiques aux responsables concernés? Hay affirme qu’en donnant ces « superpouvoirs » aux opérationnels d’entreprises via leur plateforme unifiée, ils permettent de faire plus avec moins. Mais la technologie tient-elle vraiment ses promesses en période économique difficile?
Alors que TextQL semble bien armé pour rivaliser avec des acteurs établis tels que Palantir et C3.ai, et que leur clientèle s’étend déjà à de nombreux secteurs, le succès commercial sera-t-il au rendez-vous? Avec des revenus annuels récurrents déjà dans les « six chiffres » et une équipe composée de fondateurs expérimentés, ont-ils réellement trouvé la formule pour attirer et conserver les clients, même en temps de ralentissement économique?
Quant au financement, quelle est l’histoire derrière les 4,1 millions de dollars levés par TextQL? Avec une équipe d’environ 10 personnes, cet apport financier leur permettra-t-il de poursuivre leur mission et d’atteindre leurs ambitieux objectifs?
Source : Techcrunch
