www.veillemag.com

Trois questions à : Anne Le Turnier de LexisNexis | Intellectual Property Solutions

David Commarmond — Wed, 21 Dec 2022 16:00:00 +0100

DC : Pouvez-vous nous présenter PatentSight ? Et Pourquoi Valéo ?

AT : Nous avons voulu vous illustrer un cas d’usage de PatentSight avec notre client Valéo représenté par José Arfi qui utilise la solution depuis 4 ans. Valéo est le cas emblématique d’entreprise qui a un portefeuille brevets important et qui avait un besoin de mieux les comprendre et les visualiser, afin de les confronter à ceux de ses concurrents. Grâce à PatentSight, ils ont pu voir l’intérêt et la valeur potentielle des brevets, rapidement et avec précision.

PatentSight fait partie d’une nouvelle génération d’outils née après 2010 ayant mis l’accent sur la visualisation de l’information tout en fournissant une plate-forme d’analyse puissante et facile d’utilisation, rapide et accessible aussi bien aux managers, qu’aux spécialistes et experts en propriété intellectuelle. La génération précédente étant tournée vers la recherche de documents, la sémantique, les mots clés.

Le logiciel comprend plusieurs couches, et ses données sous-jacentes permettent l'évaluation des entreprises et des technologies, et fournit une analyse complète pour la prise de décision stratégique.

Le groupe Valéo a réalisé, en 2021, un chiffre d’affaires de 17,3 milliards d’euros. Valéo emploie 103300 salariés dans 31 pays répartis sur 184 sites de production, 21 centres de recherche, 43 centres de développement et 16 plates-formes de distribution. Avec 14 844 familles, Valéo se positionne en première position en termes de nombre de familles de brevets actives et 2ème en terme de Patent Asset Index* (PAI) parmi les entreprises françaises (2021).

L’exemple donné de la division Lighting de Valéo présentait l’avantage d’être didactique pour comprendre les enjeux de cet équipementier. Le secteur automobile étant particulièrement challengé et disrupté à l’international et par des entreprises d’autres secteurs. Le Covid ayant montré les limites de la mondialisation et les enjeux de la transition énergétique avec l’arrivée de voitures électriques, de l’intelligence artificielle embarquée. Ces innovations ont montré l’importance des questions liées la consommation d’énergie (LED) et les opportunités offertes par ces technologies.

DC : Parlez-nous du « Patent Asset Index » ?

AT : PatentSight est le produit de puissantes visualisations et d’une méthodologie de scoring : le Patent Asset Index*. Ce sont de robustes indicateurs sur les aptitudes d’innovation d’une entreprise ou d’un portefeuille de brevets.

Le Patent Asset Index d’un portefeuille de brevets est un indice composé illustrant la performance agrégée de l’ensemble des brevets du portefeuille. La qualité de chaque brevet est mesurée en fonction de son impact concurrentiel (Competitive Impact™). Cet indicateur est calculé pour chaque brevet à partir de deux dimensions : sa pertinence au sein de son domaine technologique (Technology Relevance™) et son niveau de couverture du marché (Market Coverage™).

PatentSight est un outil très populaire auprès de nombreuses organisations européennes (Allemagne, Suisse, Belgique), mais aussi en Asie et plus particulièrement dans les entreprises japonaises. Où il l’est devenu encore davantage avec la sortie de son interface en japonais.

DC : Pourquoi le Japon ?

AT En quelques années, l’économie japonaise a rattrapé son retard en matière de digitalisation, notamment en ce qui concerne les recherches et les analyses brevets. Les entreprises ont dû investir massivement dans des outils qui n’étaient plus seulement issus de sociétés locales. Par exemple, la Bank of Development of Japan fournit avec PatentSight de l’aide aux Petites et Moyennes entreprises locales et même aux grands comptes, notamment depuis que les entreprises japonaises ont de nouvelles obligations en terme de reporting des actifs immatériels.

DC : Les comités exécutifs sont-ils destinataires de ces visualisations ?

AT : Les comités exécutifs peuvent s’approprier l’outil et le vocabulaire technique, « avec un peu de temps ». Certes les personnes ayant une appétence pour les nouvelles technologies sont plus sensibles et intéressées, mais il n’y a rien d’impossible. L’algorithme, les cartographies, les indicateurs peuvent s’expliquer aisément avec un peu d’attention. Un accompagnement peut être nécessaire dans les premiers temps.

L’autre atout de cette démarche est de donner du corps au Brevet, trop souvent cet actif « immatériel », l’est aussi dans l’esprit des managers, il n’a pas de « matérialité », il est abstrait dans tous les sens du terme. L’outil lui donne un corps, une visibilité qu’il n’avait pas. Or le brevet et plus encore le ou les portefeuilles brevets peuvent être aujourd’hui le principal atout / capital de l’entreprise. Lui redonner du corps, c’est le remettre au cœur de l’entreprise. D’accessoire, il devient stratégique. D’invisible, visible.

Dans la Silicon Valley, la valorisation d’une startup, peut être constituée uniquement par le ou les brevets dont elle dispose. En Europe, la question de l’intérêt stratégique et économique des brevets demeure cependant loin de celles des USA ou même de la Chine. Nous sous-estimons encore malheureusement la valeur des brevets et leur potentiel économique.

* Patent Asset Index : Holger Ernst & Nils Omland (2011): The Patent Asset Index - A New Approach to Benchmark Patent Portfolios. World Patent Information 33(1), 34–41.

Nos autres interviews

https://www.veillemag.com/Trois-questions-a-Audrey-Knauf-Maitre-de-conference-en-Sciences-de-l-information-et-de-la-communication-a-l-Universite_a4545.html
https://www.veillemag.com/Trois-questions-a-Jerome-Bondu-Consultant-en-Intelligence-economique-directeur-d-Inter-Ligere_a4541.html
https://www.veillemag.com/Trois-questions-a-Estelle-Prin-Consultante-en-Intelligence-economique-CEO-de-l-Observatoire-des-Semi-conducteurs_a4540.html
https://www.veillemag.com/Trois-questions-a-Christian-Langevin-de-QWAM_a4548.html

https://www.veillemag.com/Trois-Questions-a-Christophe-Bisson-directeur-scientifique-du-MSc-in-International-Strategy-Influence-de-SKEMA_a4547.html

Fiche 05 :Osint et Python par Philippe Dion, Consultant RH

David Commarmond — Fri, 10 Jun 2022 10:00:00 +0200

Introduction : Depuis plusieurs années maintenant, il n’est pas un journal, pas une émission de radio, pas un podcast qui ne parlent pas de données. Les fameuses data. Osant le parallèle avec ce que fut le pétrole au siècle dernier et assimilant ces dernières à un moteur de changement et de croissance.

De nouvelles infrastructures, de nouvelles entreprises, de nouveaux monopoles, de nouvelles économies ont été créées par ces flux de données. Et pour aller au bout de l’analogie, on emprunte au vocabulaire minier les termes d’extraction, de raffinage, de valorisation, d’achat et de vente comme pour mieux signifier l’importance de cette ressource. Ce qui n’est pas sans incidence sur l’appréhension de la problématique.

La question de l’accès à ces données se pose tant sous le prisme de la qualité que de la quantité. Et lorsqu’il s’agit d’appréhender ces données, la question de leur accessibilité se pose et là la difficulté commence.

L’Osint (open source intelligence), est une parmi d’autres techniques, elle facilite cette quête et s’appréhende d’abord comme une démarche. Bloc de compétences pour manier et valoriser l’information au quotidien, ses principales sources sont l’open data, les sites officiels, la presse, les blogs, les médias sociaux...etc .

DC : L’accès aux données ouvertes.
Utilisée entre autres par les journalistes d’investigation mais aussi dans le cadre d’enquêtes en criminalité informatique, cette technique s’assimile à un nouveau régime de vérité qui repose sur l’étude des traces pour établir des preuves qui viennent étayer une logique démonstrative et explicative, notamment pour répondre à de la désinformation. Utilisée également en IE, l’Osint peut être présente aux différentes étapes du cycle de l’information : dans la Collecte, l’analyse, la visualisation, ou la diffusion.

DC : Vouloir savoir, vouloir comprendre, vouloir vérifier.
Donc avoir recours a l’Osint, c’est avoir recours à des techniques d’investigation, c’est maîtriser certains outils et posséder des compétences techniques. D’un autre coté, pour capter ces dites data, qu’elles soient structurées ou non, l’on peut avoir recours au langage informatique comme Python. Capter les commentaires d’un produit par exemple via le webscraping ou les tweets autour d’un hashtag via une api sont une autre façon de capter l’information. Et ainsi, par le biais d’un script récupérer davantage de tweets que sur une application qui peut devenir payante assez rapidement après sa création. Il ne s’agit bien évidemment de ne pas opposer ces deux démarches. Elles sont complémentaires.

Si la manière d’appréhender la data est différente, travailler en Osint comme en python est une démarche qui demande de la créativité. Beaucoup moins si on imbrique des outils. ou avant l’élaboration d’un script.

DC : Mais alors quel avantage a coder ?
A mon sens, l’avantage est de faire du sur mesure. Si l’on prend l’exemple de Twitter, les requêtes à l’Api ne permettent pas plus d’un certain nombre de données. L’avantage de python, par les boucles, est de reproduire l’exécution du script et donc la récupération de données.

Certes, tout ceci nécessite des compétences techniques mais avec l’avantage d’un traitement qui ira plus loin que la simple collecte. La data science recèle d’outils statistiques, mathématiques qui permettent d’aller plus loin dans l’aide à la décision. Et faire appel à des algorithmes de machine learning permet de franchir un autre cap. Dans une même base de données, on peut stocker des données provenant de sources différentes et lorsque le jeu de données comporte beaucoup de variables, on peut résumer l’information en composantes principales et en avoir une représentation plus simple (Analyse en Composantes Principales).

Pouvoir la stocker dans une base de données, dans un dataframe pandas et utiliser un algorithme de NLP (Natural language processing) afin de mesurer la tonalité positive ou négative d’avis client est une autre possibilité. Connecter ses propres outils pour diffuser ou collecter facilement des informations, de manière manuelle ou automatisée.

Et lorsque la réponse à sa problématique devient difficile, faire appel à une communauté de développeurs, de data analystes présents sur des forums ou via des plateformes comme github.

DC : Quelques conseils pour débuter ?
L’exercice de la manipulation des données commence déjà par une manière de percevoir python. Certes l’apprentissage de la syntaxe, des librairies peut être un passage obligé. Mais ce qui me semble plus intéressant comme approche c’est de commencer par vouloir résoudre des petits problèmes, des questions que l’on rencontre dans sa collecte d’informations. Se confronter à des cas réels.
Si l’on souhaite se diriger vers la data-analyse, il me semble impératif d’avoir (si ce n’est pas déjà le cas) de bonnes bases en statistiques. Pouvoir ainsi réaliser et expliquer une étude exploratoire de son jeu de données.

Dans le domaine des ressources humaines qui est le mien, l’on dispose de données très diverses (du temps, des coûts, des effectifs, des sessions de formation…), ayant donc des caractéristiques très différentes. Les axes d’analyse sont divers comme l’axe temporel, l’axe des salariés, l’axe financier. Les chiffres sont très présents au sein de la fonction RH et en alimentent les constats et actions en complément des autres compétences traditionnelles des RH (dialogue social, droit du travail, développement des compétences…).
L’analytique RH permettent de mieux connaître le capital humain, un meilleur pilotage des politiques RH.
La data visualisation permettra de rendre ses reportings plus efficaces en facilitant la restitution de l’information et donc la communication.

Les contraintes : le respect des règles des plateformes est essentiel, dans l’usage de la collecte des données, des quantités de flux collectées. En cas de non-respect, le bannissement est le moindre des maux. La sévérité des sanctions allant croissant, un mésusage des données pourrait être l’occasion d'un’arrêt de principe.

Quelques ressources :