Iguazio, la plateforme de science des données pour les applications d’apprentissage machine en temps réel, annonce ce jour avoir levé 24 millions de dollars. Le cycle de financement a été dirigé par INCapital Ventures, avec la participation d’investisseurs existants et nouveaux, notamment Pitango, Verizon Ventures, Magma Venture Partners, Samsung SDS, Kensington Capital Partners, Plaza Ventures et Silverton Capital Ventures.
Les fonds seront utilisés par Iguazio pour accélérer sa croissance et étendre la portée de sa plateforme de science des données à de nouveaux marchés mondiaux.
Les applications d’IA connaissent une demande en hausse. Selon Gartner, l’adoption de l’IA créera à elle seule une valeur commerciale de 2,9 trillions de dollars d’ici 2021.
Toutefois, de nombreux défis persistent quant au déploiement de solutions d’IA de manière efficace et évolutive.
Il est estimé que 87% de modèles de science de données qui se sont avérés très prometteurs à la conception ne sont jamais parvenus à la phase de production.
Cela provient des obstacles liés à la transformation d’un modèle d’IA, fonctionnel en laboratoire, en une application IA pleinement opérationnelle capable d’avoir un impact commercial à échelle et en temps réel. Iguazio résout ce problème et rend la science des données exploitable pour les entreprises du monde entier.
La plateforme de science des données d’Iguazio aide les scientifiques des données à créer des applications d’IA en temps réel tout en leur permettant de travailler avec la pile d’apprentissage machine qu’ils ont l’habitude d’utiliser.
La plateforme a été déployée par des entreprises couvrant une variété de segments verticaux, y compris les services financiers et les télécommunications. Elle est utilisée pour une grande variété de cas d’utilisation en temps réel, comme les réseaux auto-régénérateurs, l’optimisation des systèmes de réservation d’un moyen de transport, l’optimisation logistique, et les recommandations en temps réel.
À titre d’exemple, Iguazio a annoncé aujourd’hui que Payoneer, la plateforme mondiale de paiements numériques, a déployé la plateforme pour prédire et prévenir les fraudes grâce à l’apprentissage machine en temps réel.
« La technologie unique d’Iguazio assure l’intégralité du processus de création d’une science des données, permettant ainsi aux entreprises de déployer des applications IA générant un véritable impact commercial », déclare Tom Kennedy, président du conseil de Kensington Capital Partners.
« Avec les opportunités que nous observons pour la technologie d’apprentissage machine et les succès planétaires des acteurs hi-tech, Iguazio représente un important premier investissement pour Kensington dans une société israélienne. »
« L’IA traverse une période charnière. Notre plateforme aide les scientifiques des données à repousser les limites de leurs applications IA en temps réel et à voir leur impact dans des environnements réels », déclare Asaf Somekh, cofondateur et PDG d’Iguazio.
« Avec le soutien d’INCapital, de Kensington Capital Partners, et de nos autres investisseurs, nous sommes prêts à étoffer notre équipe internationale et à renforcer nos ambitieux objectifs. »
À propos d’Iguazio
La plateforme de science des données d’Iguazio permet aux entreprises de développer, déployer et gérer des applications IA à échelle.
Avec Iguazio, les sociétés peuvent exécuter des projets d’IA en temps réel, de les déployer partout (sur le nuage, sur site ou en périphérie), et de concrétiser leurs stratégies de données les plus ambitieuses.
Des entreprises évoluant dans divers segments verticaux, notamment les services financiers, le secteur manufacturier, les télécoms et les jeux, font confiance à Iguazio pour créer un impact commercial via une multitude de cas d’utilisation en temps réel.
Iguazio est soutenu par les plus grands investisseurs financiers et stratégiques, comme Samsung, Verizon, Bosch, CME Group, et Dell. La société est dirigée par des entrepreneurs aguerris et une équipe d’innovateurs aux États-Unis, au Royaume-Uni, à Singapour et en Israël.
Source Yahoo News
