[workshop dil objets connectés] des objets aux capteurs au big data : les nouvelles tendances...

THIERRY RAYNA

• Professeur d’Économie à l’ESG Management School

• Chair Digital Business

• Professeur Affilié à Imperial College London

• Internet Centre - Social Computing Group

PLAN

•De l’internet des objets à l’internet des capteurs

• Aller plus loin avec les objects connectés

• Innovation en modèles d’affaires

DE L’INTERNET DES OBJETS À L’INTERNET DES CAPTEURS

VRAIMENT ?!

“If something can go wrong, it will.”Murphy

VAINCRE MURPHY

•Qu’est-ce qui ne peut pas tourner mal ?

•Des capteurs :

• Simples

•Nombreux

•Qui délivrent les mêmes données de façon répétées

OBJETS INTELLIGENTS OU SYSTÈMES INTELLIGENTS ?

•Objets intelligents : difficiles, complexes, peu évolutifs

• Systèmes intelligents : filtrer la complexité, évolution en temps réel, mais :

• problème de confidentialité ?

• problème de taille critique ?

• problème de connectivité ?

INTELLIGENCE DISTRIBUÉE

• Systèmes experts vs. Intelligence Artificielle Distribuée

• Collectif meilleur que l’individuel :

• Capteurs

•Données

• Utilisateurs

DANS QUEL BUT ?

« TELL ME SOMETHING I DON’T KNOW »

• Valeur des objets connectés : l’inconnu inconnu

•Mais :

• « Information overload »

• « So what ? »

TENDANCES D’USAGE

•Des objets « moins » intelligents

• Plus nombreux

• Locaux

• Insérés dans des écosystèmes

• Grand public : santé, sport, aménagement intérieur

WHAT IS NEXT?

« MASS CUSTOMISATION »

• Solution au « so what ? » : personnalisation de masse

• Plus que l’information, c’est l’évolution des objets qui compte

•On ne change pas des décennies d’habitude

• Chaîne de valeur :

•Objets connectés + Big Data + Impression 3D

LA FOURCHETTE QUI VOULAIT ÊTRE UN DÉCAPSULEUR

• Impossible de prévoir ou appréhender l’usage des objets

• Valeur = adapter les objets aux usages « déviants »

• Coût : mettre des capteurs dont on n’a pas besoin là où on n’en n’a pas besoin

• Intérêt des capteurs « mobiles »

WHEN BIG IS SIMPLY TOO BIG

•Masse de données à traiter en croissance exponentielle

• Penser « écosystème de recherche » :

• Recherche publique et privée, consommateurs, autres entreprises

OPEN INNOVATION

•Outside-in : utiliser des données et des méthodologies externes

• Inside-out : donner accès aux données et aux méthodologies utilisées en interne

• Paradigme « Open Source »

CO-CRÉATION

• Innovation ouverte avec les consommateurs

• Impossible de prévoir les usages des objets et des données

• Penser « outil » et non « produit »

•Donner les moyens de créer

• Crowdsourcing: utiliser la force de la foule

BUSINESS MODEL INNOVATION

CONCLUSION

• Penser « complément », pas « concurrent »

• Penser « simple », pas « complexe »

• Penser « collectif », pas « individuel »

• Penser « very big », pas « big »

• Penser « intégration », pas « isolation »

• Penser « outil », pas « produit »

t.rayna@imperial.ac.uk@ThierryRaynaQuestions?