Chetan Alsisaria, PDG et co-fondateur, Polestar Analytics – Série d’entretiens

Chetan Alsisaria, PDG et co-fondateur, est un leader en technologie d’entreprise spécialisé dans les données, l’analyse et la transformation pilotée par l’IA. Après avoir occupé des postes précoces chez Deloitte, PwC et EY, il a co-fondé Polestar Analytics en 2012 et l’a depuis développée en une entreprise mondiale d’IA et de données. Il dirige les ventes, les alliances stratégiques, le développement de services et la livraison technique, tout en présidant le CAIO Circle, une communauté de leaders en IA axée sur la promotion de l’adoption responsable et pratique de l’IA. En outre, il a co-fondé Xumane Equity, reflétant son intérêt plus large pour l’innovation dans les systèmes et les plateformes d’entreprise.

Polestar Analytics est une entreprise mondiale de convergence de l’IA et des données qui aide les entreprises à transformer des données fragmentées en insights actionnables grâce à sa plateforme 1Platform exclusive. En unifiant l’ingénierie des données, l’analyse, l’IA et les flux de travail commerciaux en un seul écosystème, l’entreprise permet aux organisations d’améliorer la prise de décision, d’optimiser les opérations et de développer l’adoption de l’IA. Avec un fort accent sur les cas d’utilisation spécifiques à l’industrie et les résultats mesurables, Polestar est passée d’une entreprise de conseil à une entreprise de plateforme qui propose des solutions simplifiées et intelligentes à grande échelle.

Vous avez co-fondé Polestar Analytics en 2012 après avoir occupé des postes chez Deloitte, PwC et EY. Quel était le fossé dans les données et l’analyse d’entreprise que vous avez vu à l’époque, et comment cette vision originale a-t-elle évolué en la plateforme 1Platform pilotée par l’IA d’aujourd’hui ?

Vous savez, lorsque Ajay, Amit et moi avons lancé Polestar Analytics en 2012, l’ironie était frappante ; les entreprises se noyaient dans les données mais mouraient de faim de décisions. Tout le monde collectait tout, mais le fossé entre avoir des données et faire quelque chose de significatif avec elles était énorme. C’est le problème que nous nous sommes efforcés de résoudre.

En avançant rapidement dans le temps, et honnêtement, le problème n’a pas disparu, il a simplement changé de forme. Le volume est plus important, les enjeux sont plus élevés, et maintenant vous avez des agents dans le mélange aux côtés des humains qui doivent donner un sens à tout cela. Cela a en fait rendu notre vision originale plus claire, et non plus confuse.

Notre devise, Données vers résultats, simplifiés !, est vraiment le fil conducteur qui relie 2012 à aujourd’hui. Nous avons commencé par la livraison des données ; obtenir les bonnes données aux bonnes personnes au bon moment. Ensuite, l’IA est intervenue et a amplifié ce qui était possible. Maintenant, avec 1Platform, nous allons plus loin ; en simplifiant et en maximisant les résultats, non seulement pour les humains mais également pour les agents qui prennent de plus en plus de décisions ou les influencent.

Ce qui est passionnant, c’est la façon dont notre écosystème a mûri pour soutenir cela. Nos intégrations profondes avec Microsoft (MSFT ), Databricks et Anaplan aident à rassembler les données, les cas d’utilisation commerciaux et la planification. Et 1Platform s’étend sur tout cela, natif à ces environnements, et non greffé.

Ainsi, l’évolution ressemble à ceci : livraison des données → insights renforcés par l’IA → résultats simplifiés et prêts pour les agents. La poursuite de l’excellence est la même. La vitesse à laquelle nous pouvons y arriver est ce qui a changé de manière exponentielle.

Polestar Analytics se positionne comme une entreprise de convergence des données et de l’IA. Qu’est-ce que la convergence signifie réellement dans la pratique pour les grandes entreprises qui traitent des systèmes fragmentés et des données cloisonnées ?

La plupart du temps, la fragmentation n’est pas un problème de technologie, c’est un problème de personnes et de processus. C’est comme si vous aviez une équipe financière qui fonctionne sur Anaplan, une équipe d’exploitation qui vit dans Excel, une équipe d’ingénierie des données qui construit des pipelines sur Azure, et tout le monde tire dans des directions différentes avec des définitions différentes de la même métrique. Aucune quantité d’IA ne résout un problème de confiance si les fondations sont détruites.

Donc, lorsque nous parlons de convergence, nous voulons dire résoudre ce problème de fondation d’abord. Avant de pouvoir superposer l’intelligence, vous avez besoin de données propres, gérées et accessibles de manière critique. Pas seulement pour vos analystes, mais de plus en plus pour vos agents.

Dans la pratique, la convergence avec 1Platform ressemble à ceci : nous ne détruisons pas ni ne remplaçons ce que les entreprises ont construit. Nous allons dans les environnements où elles vivent déjà, tels que Databricks, Microsoft et Anaplan, et nous cousons la couche de données et d’intelligence à travers eux. Vos données de planification dans Anaplan parlent à vos données opérationnelles dans Databricks, et votre écosystème Microsoft est là où les décisions réelles émergent pour que les personnes et les agents puissent agir.

La magie n’est pas dans l’une de ces intégrations. C’est dans la couche de connexion de 1Platform qui fait que tout semble être un système cohérent au lieu d’outils déconnectés. C’est à cela que ressemble la convergence dans la pratique, une simplification délibérée jusqu’à ce que la complexité devienne invisible pour l’entreprise.

Votre plateforme 1Platform exclusive vise à unifier les données, l’IA et les flux de travail en un seul système. Comment cette approche diffère-t-elle des piles BI traditionnelles ou des plateformes de données modernes comme Databricks ou Snowflake ?

Databricks et Snowflake sont des plateformes puissantes, nous ne sommes pas en concurrence avec elles, nous sommes construits sur elles. Cette distinction est importante. Databricks vous donne une infrastructure et un calcul. Nous nous situons au-dessus et nous posons une question différente : maintenant, qu’est-ce que nous faisons ?

Les piles BI traditionnelles ont obtenu beaucoup de choses correctes pour leur époque, mais l’intelligence commerciale a évolué. Aujourd’hui, les utilisateurs commerciaux ont besoin de plus que des tableaux de bord. Vous pouvez avoir un tableau de bord conçu avec beauté avec quinze graphiques, et quelqu’un doit encore interpréter ce que cela signifie et décider quoi faire ensuite. C’est justement le fossé entre l’insight et l’action où 1Platform opère.

1Platform n’est pas statique, il évolue en permanence. Il ne répond pas seulement aux questions que vous posez ; il fait surface des questions que vous n’avez même pas pensé à poser. Cela change la relation entre les utilisateurs commerciaux et leurs données.

Nous avons construit des interfaces de code faible et sans code au-dessus de Databricks et Azure qui permettent de lancer des pipelines en quelques secondes. Les tâches qui prenaient autrefois des jours pour les ingénieurs de données peuvent maintenant être déclenchées par les utilisateurs commerciaux. En outre, l’IA Agenthood permet aux utilisateurs de créer et d’orchestrer des agents via des interfaces de glisser-déposer simples sans expertise technique approfondie.

La véritable différence réside dans l’expérience de l’utilisateur final. Au lieu de sauter d’un tableau de bord à l’autre, les utilisateurs reçoivent des insights en langage naturel, des recommandations contextuelles et des récits d’agents. Les KPI ne sont pas simplement assis sur un écran ; les agents surveillent activement, signalent ce qui compte et expliquent pourquoi. La différenciation ne réside pas dans la plateforme de données elle-même, mais dans tout ce qui se passe après que les données soient prêtes.

De nombreuses entreprises restent bloquées dans ce que l’on appelle souvent le purgatoire des pilotes d’IA. Quels sont les principaux obstacles structurels ou organisationnels qui empêchent l’IA d’atteindre la production à grande échelle ?

Je l’appelle le cimetière des pilotes, car la plupart des projets ne sont pas seulement bloqués, ils meurent tranquillement. Les principaux obstacles ne sont pas techniques, ils sont organisationnels. Les personnes, les processus et les données.

La gestion du changement est constamment sous-estimée. Lorsque vous réorganisez la façon dont les gens travaillent, vous défiez la façon dont ils dérivent de la valeur. Les organisations qui réussissent sont celles où la direction rend la compétence en IA visiblement importante. Lorsque la formation est récompensée et que la réorganisation des processus est soutenue structurellement, l’adoption s’accélère.

Ensuite, il y a le problème de la courbe en J. Les investissements dans l’IA plongent souvent avant de monter. De nombreuses organisations s’attendent à un ROI dans les 90 jours, ne le voient pas et abandonnent l’effort. Ceux qui réussissent s’engagent dans la courbe complète.

La préparation des données est un autre facteur critique. Les mauvaises données conduisent à des décisions confiantes mais incorrectes. Jusqu’à ce que la fondation des données soit fiable, l’IA à grande échelle devient une responsabilité plutôt qu’un atout.

Enfin, la discipline des cas d’utilisation compte. Au lieu d’essayer de faire tout avec l’IA, les organisations doivent se concentrer sur les cas d’utilisation qui déplacent de vraies métriques commerciales, les prouvent et les mettent ensuite à l’échelle.

Chez Polestar Analytics, rassembler les données, l’IA et les flux de travail en un seul endroit accélère à la fois la découverte des problèmes et l’identification des opportunités, transformant la convergence en catalyseur de changement.

L’IA agente est devenue un thème majeur dans l’industrie. Comment Polestar Analytics réfléchit-elle aux agents d’IA au sein des flux de travail d’entreprise, et quels cas d’utilisation réels gagnent du terrain ?

Pour nous, les agents doivent être intégrés dans la couche de données et les flux de travail commerciaux pour créer de la valeur réelle. Un agent de tarification, par exemple, n’est pas seulement un LLM assis sur un tableau de bord ; il est intégré dans l’infrastructure de données, comprend le contexte et soutient la prise de décision réelle.

Sur plus de 100 agents, certains agissent comme assistants tandis que d’autres sont entièrement automatisés. La traction la plus forte est dans la gestion de la croissance des revenus, y compris la tarification, les promotions et le mix des médias, où les décisions sont fréquentes et riches en données.

Du côté de l’ingénierie, les agents de surveillance des pipelines et de résolution des erreurs sont déjà utilisés. Les agents FinOps ont réduit les coûts de cloud non utilisés de 35 pour cent. Il y a également une forte adoption dans la gestion de patrimoine.

Nous soutenons à la fois les écosystèmes Microsoft et Databricks et proposons une plateforme de construction d’agents personnalisés. Pas tous les agents ont besoin d’être basés sur LLM ; l’architecture doit correspondre au cas d’utilisation pour équilibrer l’échelle et le coût.

La gouvernance est essentielle. Avec des agents interagissant avec des systèmes financiers ou des données client, de solides garde-fous et une surveillance humaine sont intégrés pour assurer la fiabilité à grande échelle.

Avec votre financement récent, vous misez sur le développement de la PI. Combien est-il important de posséder des plateformes exclusives par rapport à la construction sur les écosystèmes existants dans le paysage actuel de l’IA ?

Nous sommes profondément intégrés à des plateformes comme Databricks, Microsoft et Anaplan, qui fournissent l’infrastructure et l’échelle. Nous n’essayons pas de les remplacer.

Notre objectif est de posséder la couche d’intelligence au-dessus. La PI exclusive nous permet de contrôler l’expérience, d’intégrer les connaissances de domaine et de livrer une valeur cohérente à grande échelle.

Notre différenciation provient de l’expertise dans l’industrie. Que ce soit PromoPulse AI pour la gestion de la croissance des revenus ou WealthPulse pour les services financiers, la valeur réside dans la compréhension des cas d’utilisation et des décisions réelles.

La PI exclusive, pour nous, est la codification de cette expertise. C’est ce qui rend la plateforme défendable et vraiment utile.

Vous avez travaillé en étroite collaboration avec des entreprises du Fortune 1000. Comment les attentes autour du ROI de l’IA changent-elles à mesure que les dirigeants exigent des résultats mesurables au lieu d’expérimentation ?

Le changement est réel, mais l’expérimentation n’a pas disparu. Elle est simplement censée se déplacer plus rapidement et se connecter à des résultats tangibles.

Les dirigeants évaluent désormais le ROI de l’IA à travers des lentilles plus larges, telles que la vitesse de décision, la loyauté des clients, la capacité d’innovation et la résilience.

Le ROI de l’IA n’est plus la propriété d’un seul leader. Le CTO se concentre sur l’infrastructure et les données, le CFO regarde l’impact financier, et le COO met l’accent sur l’efficacité opérationnelle.

Les organisations qui réussissent alignent ces perspectives tôt et s’engagent dans des résultats à long terme.

Votre stratégie d’expansion inclut l’Amérique du Nord et l’Europe. Quelles différences voyez-vous dans la maturité de l’adoption de l’IA et la préparation des entreprises dans ces régions ?

La différence est plus une question de mentalité que de capacité.

L’Amérique du Nord donne la priorité à la vitesse et à l’expérimentation, poussée par la pression de la concurrence.

L’Europe met l’accent sur la gouvernance et l’IA éthique dès le départ. Cependant, cela ne signifie pas une adoption plus lente. Les entreprises équilibrent la structure avec l’accélération.

Les deux régions convergent vers une IA responsable et scalable, intégrée dans les opérations de base.

Vous avez récemment fondé le CAIO Circle pour rassembler les dirigeants de l’IA. Quelles sont les conversations les plus urgentes qui ont lieu actuellement parmi les directeurs généraux de l’IA, en particulier autour de la gouvernance et de l’éthique ?

CAIO Circle a été créé pour donner aux dirigeants de l’IA un espace pour des discussions ouvertes.

Le défi central est de trouver un équilibre entre la vitesse et les risques à long terme. La confiance et l’explicabilité sont des préoccupations majeures, en particulier à mesure que les systèmes d’IA influencent des décisions critiques.

La gouvernance évolue des documents de politique vers des pratiques opérationnelles intégrées. Dans le même temps, de nombreuses organisations manquent encore de modèles d’exécution pour livrer leurs stratégies d’IA.

Les insights les plus précieux proviennent souvent de discussions de pairs candides plutôt que de présentations formelles.

En regardant trois à cinq ans dans le futur, vous vous attendez-vous à ce que l’IA d’entreprise se consolide en plateformes unifiées comme la vôtre, ou restera-t-elle un écosystème fragmenté d’outils et de fournisseurs ? Où Polestar Analytics se positionne-t-elle dans ce futur ?

La fragmentation continuera probablement. Les grandes plateformes comme Databricks, Microsoft, Salesforce et Anaplan resteront des acteurs centraux.

Ce dont les entreprises ont besoin, c’est une couche unificatrice qui relie les données, l’intelligence et les flux de travail en quelque chose d’actionnable. C’est le rôle que 1Platform est conçu pour jouer.

Le futur favorisera les plateformes dotées d’une expertise verticale approfondie. Les solutions horizontales génériques lutteront pour se différencier.

La valeur réelle viendra de la compréhension des besoins spécifiques à l’industrie et de l’intégration de l’intelligence directement dans les flux de travail de prise de décision.

Je vous remercie pour cette grande interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter Polestar Analytics.