Les 10 startups les plus innovantes en Big Data en 2016

En 2016, émerger dans l’univers du Big Data signifiait proposer des solutions révolutionnaires pour la collecte, l’analyse et la valorisation des données massives. Ce secteur dynamique a vu des startups se distinguer par leur capacité à rendre accessibles des analyses complexes grâce à des technologies telles que le machine learning, l’intelligence artificielle et la data science. Parmi les tendances marquantes de cette année, l’essor des plateformes Cloud, la montée en puissance des traitements en temps réel, et la démocratisation des outils analytiques figuraient en bonne place. Nous allons explorer les 10 startups les plus innovantes de cette période, en mettant en lumière :

• Les spécificités technologiques qui les différencient
• Leurs domaines d’application privilégiés
• Leurs stratégies de financement et de croissance
• Leur impact sur la transformation digitale des entreprises

Ces entreprises ont, chacune à leur manière, contribué à façonner l’écosystème du Big Data en 2016, et leur exemple éclaire les pistes que peuvent suivre les initiatives contemporaines dans ce domaine.

A lire également : Signes révélateurs que le Big Data vous échappe encore

Les startups Big Data de 2016 : innovations et ruptures technologiques majeures

L’année 2016 a été un tournant où les projets Big Data ont quitté le stade expérimental pour entrer en production commerciale à grande échelle. Ce changement a stimulé l’innovation dans plusieurs axes :

• L’analyse en temps réel : Face à l’explosion des flux de données, intégrer des capacités de détection instantanée et de réaction automatique est devenu un enjeu essentiel.
• La simplification de l’accès aux données : Proposer des interfaces intelligentes et intuitives pour permettre aux décideurs d’exploiter les données sans être des experts techniques.
• Le Cloud et les data lakes : Le recours à des infrastructures évolutives et souples facilite l’agrégation de volumes hétérogènes de données et optimise les coûts.
• Des applications métiers ciblées : Les solutions sur mesure pour des secteurs comme l’e-commerce, l’énergie ou la finance montrent une montée en maturité des usages.

Ces leviers portent l’innovation technologique et favorisent une transformation digitale accélérée dans les organisations de toutes tailles.

Lire également : Le Big Data : une révolution au cœur de la médecine moderne ?

Anodot : la détection d’anomalies en temps réel pour booster la performance

Fondée en 2014, Anodot s’est rapidement imposée grâce à son logiciel d’intelligence opérationnelle basé sur un algorithme breveté de machine learning. Cette technologie analyse automatiquement les données opérationnelles en temps réel pour détecter anomalies et opportunités, particulièrement dans le secteur du e-commerce, de la publicité numérique et des réseaux IoT. Par exemple, un site marchand utilisant Anodot peut identifier instantanément un problème de performance susceptible d’entraîner une perte de revenus. Sa capacité à automatiser l’analyse réduit les interventions humaines et accélère la prise de décision. Basée à Sunnyvale (Californie) et Ra’anana (Israël), la startup a levé 3 millions de dollars en décembre 2016, un signe fort de la confiance des investisseurs dans cette approche innovante.

Aviso : anticiper les ventes grâce à l’intelligence artificielle et au machine learning

Dans le domaine des ventes, Aviso s’est fait connaître par ses applications d’analyse prédictive qui accompagnent les équipes commerciales à optimiser leurs prévisions. Fondée en 2012 à Menlo Park, cette startup combine des algorithmes de machine learning avec des méthodes de gestion de portefeuille, permettant ainsi d’établir des priorités pertinentes sur les transactions, de réduire les risques et d’améliorer la fiabilité des prévisions. Son logiciel cloud s’intègre avec des systèmes CRM majeurs tels que Salesforce.com ou Microsoft Dynamics, facilitant son adoption par les entreprises. La solution d’Aviso illustre bien comment la data science peut transformer les processus commerciaux classiques en leviers de croissance.

Cazena : révolutionner les data lakes avec le Big Data-as-a-Service

La proposition de Cazena réside dans la fourniture d’une plateforme Big Data dans le cloud qui simplifie la création et la gestion des data lakes et data marts. Lancée en 2014, la startup de Waltham (Massachusetts) s’appuie sur des technologies comme Hadoop et Spark pour offrir un service flexible à ses clients. Cette approche permet aux entreprises de minimiser leurs coûts d’infrastructure tout en accélérant leurs projets analytiques. Avec une équipe de leadership expérimentée, dont des anciens de Netezza, Cazena s’est rapidement positionnée sur le marché avec des partenariats stratégiques, comme son intégration aux data services de Microsoft Azure en 2016.

Confluent : maîtriser le streaming de données avec Apache Kafka

Le traitement des flux de données en temps réel est une exigence croissante. Confluent, créée par les développeurs d’Apache Kafka, a construit une plateforme complète pour gérer ces flux volumineux et variés, garantissant tolérance aux pannes et scalabilité. Basée à Palo Alto, cette startup a étendu l’usage de Kafka bien au-delà de son cadre open-source initial en proposant une plateforme robuste pour la collecte de données issues de diverses sources, depuis les logs d’activité jusqu’aux données financières. En mai 2016, elle a lancé la version 3.0 intégrant des composants avancés comme Kafka Streams, renforçant sa position de leader dans l’analyse de données en streaming.

Koverse : accélérer l’exploitation des Big Data avec une plateforme intégrée

Koverse propose une solution « data-lake-in-a-box » permettant de collecter et analyser des données massives plus rapidement et à moindre coût que les technologies traditionnelles. Fondée en 2012 à Seattle par deux anciens data scientists de la NSA, la startup a conçu une plateforme intégrant Apache Accumulo et un moteur d’indexation universel. La version 2.0, lancée en juin 2016, optimise encore les capacités d’indexation et de gestion des données complexes. Le profil et l’expertise des fondateurs apportent une légitimité importante, notamment pour des applications sensibles dans la sécurité et la défense.

MapD Technologies : une révolution dans la rapidité de traitement et la visualisation

Spécialisée dans l’analyse ultra-rapide des données massives, MapD Technologies exploite la puissance du parallélisme des GPU pour exécuter des requêtes SQL à une vitesse dépassant de 100 fois les autres systèmes. Fondée en 2013 et basée à San Francisco, la startup a commercialisé sa solution en 2016, permettant ainsi d’effectuer des analyses sur des datasets immenses en quelques millisecondes. Son outil de visualisation MapD Immerse offre une expérience interactive, facilitant l’exploration des données sans sacrifier la performance. Le CEO Todd Mostak a puisé dans son expérience universitaire pour créer cette technologie, marquant une avancée notable dans l’utilisation du Big Data pour des problématiques complexes comme l’analyse des réseaux sociaux.

Maana : transformer les données en connaissances exploitables

Maana a développé une plateforme baptisée Maana Knowledge Graph, capable de collecter et d’unifier des données provenant de multiples silos pour les rendre exploitables via des applications professionnelles. Fondée en 2012 à Palo Alto, elle repose sur Apache Spark et s’adresse notamment aux secteurs industriels et aux réseaux IoT. La levée de fonds de 26 millions de dollars en mai 2016 a été largement soutenue par des acteurs majeurs tels que Shell, Chevron ou General Electric, soulignant le potentiel de la startup sur des marchés exigeants.

Stytch : une approche self-service pour la préparation et la modélisation des données

Lancée en 2015 à Vancouver, Stytch propose une plateforme complète orientée utilisateur final, intégrant des outils pour la préparation, la découverte, la modélisation et la visualisation de données. Soutenue par Dun & Bradstreet, elle bénéficie d’une base de données professionnelle riche pour alimenter ses analyses. La vision du CEO Mark Cunningham, expert reconnu dans la Business Intelligence, place Stytch comme un acteur innovant facilitant l’accès à la data science pour les professionnels non spécialistes.

ThoughtSpot : démocratiser les analyses grâce à la recherche intuitive

Avec pour mission de simplifier la Business Intelligence, ThoughtSpot offre une interface de recherche permettant d’explorer les données via une simple requête, ce qui réduit drastiquement la complexité des logiciels analytiques classiques. Fondée en 2012 et basée à Palo Alto, elle a lancé sa version commerciale en 2014 et enrichi sa plateforme avec 200 fonctionnalités supplémentaires en 2016. La levée de 50 millions de dollars en série C illustre la confiance des investisseurs en sa capacité à démocratiser l’analyse de données, étendant son adoption auprès de grandes entreprises.

Wavefront : supervision temps réel de la performance informatique

Wavefront propose une plateforme analytique en temps réel conçue pour surveiller et diagnostiquer en continu les performances des systèmes informatiques, y compris les services cloud et réseaux. Fondée en 2012 à Palo Alto, la société utilise des technologies aperçues chez Google ou Twitter afin d’aider les entreprises à anticiper les pannes et à identifier la cause première des dysfonctionnements. En 2016, l’arrivée de Pete Cittadini, ancien CEO d’Actuate, en tant que dirigeant apporte une nouvelle dynamique à la croissance de Wavefront.

Comparatif des innovations clés des startups Big Data en 2016

Startup	Technologie clé	Application principale	Localisation	Levées de fonds (2016)
Anodot	Machine learning, détection d’anomalies temps réel	E-commerce, publicité, IoT	Californie (Sunnyvale), Israël (Ra’anana)	3 millions de dollars (serie A)
Aviso	Machine learning, analyse prédictive	Optimisation des ventes	Californie (Menlo Park)	Non communiqué
Cazena	Big Data-as-a-Service, data lakes Cloud	Infrastructure Big Data	Massachusetts (Waltham)	Non communiqué
Confluent	Streaming, Apache Kafka	Données temps réel	Californie (Palo Alto)	Non communiqué
Koverse	Data lake intégré, Apache Accumulo	Securité, défense, analyse rapide	Washington (Seattle)	Non communiqué
MapD Technologies	GPU, parallélisme massif, visualisation	Analytique Big Data ultra-rapide	Californie (San Francisco)	Non communiqué
Maana	Knowledge Graph, Apache Spark	Industrie, IoT	Californie (Palo Alto)	26 millions de dollars (serie B)
Stytch	Self-service data analytics	Préparation et modélisation des données	Canada (Vancouver)	Non communiqué
ThoughtSpot	Recherche basée sur la BI	Accessibilité des analyses	Californie (Palo Alto)	50 millions de dollars (serie C)
Wavefront	Monitoring en temps réel	Performance informatique	Californie (Palo Alto)	Non communiqué

Au fil de ces exemples, on comprend que le recours à des technologies alliées comme l’intelligence artificielle, le machine learning et la data science a été moteur pour cette génération de startups, qui ont su intégrer leurs innovations dans le tissu économique avec agilité.