Cem Dilmegani
Expérience professionnelle et réalisations
Tout au long de sa carrière, Cem a occupé les postes de consultant, d'acheteur et d'entrepreneur dans le secteur des technologies. Pendant plus de dix ans, il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon. Il a également publié un rapport McKinsey sur la numérisation. Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité directe du PDG. Il a également piloté la croissance commerciale de la société de deep tech Hypatos, qui a atteint un chiffre d'affaires annuel récurrent à sept chiffres et une valorisation à neuf chiffres en seulement deux ans. Son travail chez Hypatos a été couvert par des publications technologiques de référence telles que TechCrunch et Business Insider. [6], [7]Intérêts de recherche
Les travaux de Cem portent sur la manière dont les entreprises peuvent tirer parti des nouvelles technologies en matière d'IA, d'IA agentielle, de cybersécurité (notamment la sécurité des réseaux et des applications) et de données, y compris les données web. Son expérience pratique des logiciels d'entreprise enrichit ses recherches. D'autres analystes du secteur et l'équipe technique d'AIMultiple épaulent Cem dans la conception, la mise en œuvre et l'évaluation des benchmarks.Éducation
Il a obtenu son diplôme d'ingénieur en informatique à l'Université de Bogazici en 2007. Durant ses études, il s'est spécialisé en apprentissage automatique, alors souvent appelé « exploration de données », et les réseaux de neurones ne comportaient généralement que quelques couches cachées. Il est titulaire d'un MBA de la Columbia Business School (promotion 2012). Cem parle couramment anglais et turc. Il possède un niveau avancé en allemand et des notions de français.Publications externes
- Cem Dilmegani, « Le secteur bancaire post-IA : des millions d’emplois menacés par l’automatisation des fonctions essentielles des banques » , International Banker.
- Cem Dilmegani, Bengi Korkmaz et Martin Lundqvist (1er décembre 2014). Numérisation du secteur public : le défi à mille milliards de dollars , McKinsey & Company.
Présentations aux médias, conférences et autres événements
- Réponses aux questions de Korea24 sur les pertes d'emplois dues à l'IA, Korea24
- Immobilier et technologie , présenté par le Wilbur F. Breslin Center for Real Estate Studies et la Frank G. Zarb School of Business de l'Université Hofstra en 2023 et 2024.
- Session Radar AI (22 juin 2023) : « Accroître l'impact de la science des données avec ChatGPT ».
- Rencontre d'Atlanta sur l'IA générative : L'IA générative au service des technologies d'entreprise .
Sources
- Pourquoi Microsoft, IBM et Google intensifient leurs efforts en matière d'éthique de l'IA , Business Insider.
- Microsoft investit 1 milliard de dollars dans OpenAI pour développer une intelligence artificielle plus performante que l'humanité , Washington Post.
- Développer le leadership en IA : Boîte à outils IA pour les dirigeants , Forum économique mondial.
- Performances scientifiques, de recherche et d'innovation de l'UE , Commission européenne.
- L'investissement de 200 milliards d'euros de l'UE dans l'IA injecte des fonds dans les centres de données, mais le marché des puces reste un défi , IT Brew.
- Hypatos lève 11,8 millions de dollars pour une approche d'apprentissage profond appliquée au traitement de documents , TechCrunch.
- Business Insider nous a permis de découvrir en exclusivité le pitch deck utilisé par la startup d'IA Hypatos pour lever 11 millions de dollars .
Derniers articles de Cem
Avantages et inconvénients des 7 meilleures alternatives RPA à considérer
La Robotic Process Automation (RPA) est une technologie bénéfique qui peut automatiser jusqu'à 70-80% des processus basés sur des règles.1 Cependant, environ 40% des entreprises ne parviennent pas à atteindre leurs attentes en matière de réduction des coûts après la mise en œuvre de la RPA.2 Cela s'explique par le fait que la RPA n'est…
DGX Spark contre Mac Studio & Halo: Benchmarks et Alternatives
NVIDIA’s DGX Spark est entré sur le marché de l'IA de bureau en 2025 à 4 699 $, se positionnant comme un « superordinateur IA de bureau ». Il intègre 128 Go de mémoire unifiée et promet un petaflop de performance IA en FP4 dans un châssis de la taille d'un Mac Mini. Voir les…
GPU Logiciels pour l'IA: CUDA vs. ROCm
Les spécifications matérielles brutes ne racontent qu'une partie de l'histoire dans le calcul GPU. Pour mesurer les performances réelles de l'IA, nous avons effectué 52 tests distincts comparant le MI300X de AMD avec le H100, le H200 et le B200 de NVIDIA dans des scénarios multi-GPU et à haute concurrence. Bien que le MI300X de…
Top 25+ fabricants de puces d'IA: NVIDIA & ses concurrents
Sur la base de notre expérience de l'exécution du benchmark de cloud GPU d'AIMultiple avec 10 modèles de GPU différents dans 4 scénarios différents, voici les principales entreprises de matériel d'IA pour les charges de travail de centre de données. Suivez les liens pour voir notre raisonnement derrière chaque sélection : 25+ fabricants de puces…
Top 8 des agents de codage IA open source
Dans des évaluations précédentes, nous avons comparé les CLIs agentiques open source et propriétaires, en nous concentrant sur leurs performances dans les tâches de développement web, et certains agents open source ont obtenu des performances aussi bonnes que les options payantes. Par conséquent, nous avons également répertorié les meilleurs agents de codage open source pour…
Comparer 10 Méthodes de planification de tâches Python
La planification de tâches Python automatise les tâches à des intervalles spécifiques pour imposer des délais d'exécution stricts, intercepter les exceptions d'exécution et garantir la cohérence de l'état du système sans intervention manuelle. Voici les différentes méthodes de planification de tâches en Python ainsi que leurs avantages et inconvénients : MéthodeIdéal pourAvantagesInconvénients Tâches CronPlanification au…
Top 25+ Cas d'utilisation des données synthétiques
Les données synthétiques gagnent en popularité et en applicabilité dans tous les secteurs, y compris l'apprentissage automatique, le deep learning et l'IA générative (GenAI). Les données synthétiques offrent des solutions à des défis tels que les préoccupations en matière de confidentialité des données et la taille limitée des datasets. On estime que les données synthétiques…
RAG Frameworks: LangChain vs LangGraph vs LlamaIndex
Nous avons évalué 5 RAG frameworks : LangChain, LangGraph, LlamaIndex, Haystack et DSPy, en construisant le même flux de travail RAG agentique avec des composants standardisés : modèles identiques (GPT-4.1-mini), embeddings (BGE-small), retriever (Qdrant) et outils (recherche web Tavily). Cela isole la véritable surcharge et l'efficacité des tokens de chaque framework. Résultats du benchmark des…
Python RPA: 8 cas d'utilisation pour les développeurs
L'automatisation robotisée des processus (RPA) permet aux robots logiciels d'exécuter des tâches informatiques répétitives. Python offre aux développeurs une manière flexible de construire ces robots en code. Le marché mondial de la RPA s'élève à environ USD 28 milliards en 2025 et devrait atteindre environ USD 247 milliards d'ici 2035.1 Pourtant, entre 30% et 50%…
Prévention des pertes de données (DLP): types et 6 défis
La mobilité accrue introduit des risques de perte ou de vol de données, ce qui peut entraîner de lourdes pertes financières et des dommages à la réputation des entreprises. Un logiciel efficace de prévention des pertes de données (DLP) doit empêcher le mouvement non autorisé de données privées et d'informations personnelles identifiables (PII) pour limiter…
Newsletter AIMultiple
Un e-mail gratuit par semaine contenant les dernières actualités technologiques B2B et des analyses d'experts pour accélérer la croissance de votre entreprise.