Mark Hay et Ethan Ding veulent faire en sorte que toutes les décisions des entreprises soient fondées sur des données. Ambitieux ? Certainement. Mais les deux ingénieurs, qui se sont rencontrés il y a quelques années lors de la pandémie, sont tout à fait optimistes.
Hay et Ding sont les cofondateurs de TextQL, une plateforme qui relie la pile de données existante d’une entreprise à de grands modèles de langage, à l’instar de ChatGPT et GPT-4 d’OpenAI. L’idée, disent-ils, est de donner aux équipes commerciales la possibilité de poser des questions sur leurs données à la demande, en tirant parti d’un outil qui – selon Hay – « comprend les noms et la sémantique de leurs équipes ».
La moitié des responsables des données de Fortune 500 sont allergiques au mot » libre-service » à ce stade « , a déclaré Hay, directeur technique de TextQL, à TechCrunch lors d’un entretien par e-mail. « Leurs 400 000 data scientists passent 40 % ou plus de leur temps à répondre à des demandes de données ponctuelles, et leurs équipes commerciales utilisent des mots qui sont représentés différemment dans leurs bases de données, ce qui entraîne des mois de perte de productivité à se disputer sur des chiffres. »
Hay, précédemment ingénieur dans l’équipe d’apprentissage automatique de Facebook, et Ding, ancien membre de l’équipe de données de Bessemer Venture Partners (et adepte des métaphores de jardinage), ont pensé qu’ils pouvaient concevoir une meilleure solution.
En 2022, ils ont lancé leur tentative avec TextQL, qui utilise un modèle de données pour mettre en correspondance la base de données d’une entreprise avec les « noms » représentant l’activité d’un client dans sa langue – par exemple des mots tels que « commande », « article », « revendeur », « SKU », « inventaire », etc.
TextQL se connecte aux outils de veille stratégique et renvoie les utilisateurs aux tableaux de bord existants lorsqu’une question a déjà été posée. Il est capable de référencer la documentation des catalogues de données d’entreprise tels qu’Alation, dit Hay, ainsi que les notes dans des plates-formes telles que Confluence ou Google Drive.
Concrètement, cela permet aux utilisateurs de TextQL de poser des questions à un chatbot telles que « Pouvez-vous me montrer une liste de commandes très en retard ? » et « Calculez les centres de distribution ayant la plus forte concentration ? ». En plus de répondre aux questions, TextQL – via un composant d’automatisation – peut entreprendre certaines actions, par exemple envoyer un courriel à des gestionnaires au sujet de données spécifiques.
« Dans un environnement économique où tout le monde essaie de faire plus avec moins, nous sommes en mesure de donner aux opérateurs d’entreprise des super-pouvoirs dans une seule plate-forme », a déclaré M. Hay.
Hay – qui considère TextQL comme un concurrent de fournisseurs tels que Palantir et C3.ai – indique que TextQL compte actuellement une demi-douzaine de clients dans les domaines de la santé, des sciences biologiques et de la vie, des services financiers, de la fabrication et des médias. Les revenus annuels récurrents se situent dans les six chiffres, affirme-t-il, ce qui donne à TextQL une marge de manœuvre de plusieurs années.
« Le ralentissement ne nous a pas affectés, si ce n’est pas du tout – les entreprises sont enthousiasmées par notre logiciel car il peut les aider à faire plus avec leurs effectifs réduits », a déclaré M. Hay. « Toute notre équipe est composée de fondateurs chevronnés ayant bénéficié d’un financement par capital-risque, ce qui représente un talent qu’il serait assez difficile d’acquérir en dehors de cet environnement.
En ce qui concerne le financement par capital-risque, TextQL, qui dispose d’une équipe d’environ 10 personnes, a levé 4,1 millions de dollars dans le cadre d’un cycle de pré-amorçage et d’amorçage dirigé par Neo et DCM, avec la participation de Unshackled Ventures, Worklife Ventures, PageOne Ventures, FirstHand Ventures et Indicator Fund.