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
Évaluation comparative des modèles tabulaires : performances sur 19 jeux de données
Nous avons évalué les performances de 7 modèles d'apprentissage tabulaire largement utilisés sur 19 jeux de données réels, couvrant environ 260 000 échantillons et plus de 250 caractéristiques, avec des tailles de jeux de données allant de 435 à près de 49 000 lignes. Notre objectif était d'identifier les familles de modèles les plus performantes pour des jeux de données de tailles et de structures différentes (par exemple, numériques ou catégorielles) qui constituent un jeu de données d'entreprise typique.
Évaluation des grands modèles de langage en : plus de 10 indicateurs et méthodes
L'évaluation des grands modèles de langage (ou évaluation LLM) est une analyse multidimensionnelle de ces modèles. Une évaluation efficace est essentielle pour sélectionner et optimiser les LLM. Les entreprises disposent d'un large éventail de modèles de base et de leurs variantes, mais le succès reste incertain sans une mesure précise des performances.
Performances des agents IA: taux de réussite et retour sur investissement
Des recherches récentes révèlent que les performances de l'IA suivent des schémas de décroissance exponentielle prévisibles, permettant aux entreprises d'anticiper ses capacités et de distinguer les échecs coûteux des implémentations génératrices de retour sur investissement. Cet article passe en revue les principaux benchmarks d'AIMultiple, incluant près de 70 agents d'IA répartis sur plus de 1 000 tâches.
Le paysage de l'évaluation LLM avec des cadres de référence
L'évaluation des modèles LLM nécessite des outils capables d'analyser le raisonnement multi-tours, les performances en production et l'utilisation des outils. Nous avons consacré deux jours à l'examen des frameworks d'évaluation LLM les plus utilisés, qui fournissent des métriques structurées, des journaux et des traces permettant d'identifier comment et quand un modèle s'écarte du comportement attendu. Plus précisément, nous avons : exploré le paysage de l'évaluation des modèles LLM et analysé leurs capacités.
40 applications et cas d'utilisation de l'IoT
Le chiffre d'affaires annuel mondial de l'IoT devrait atteindre 934 milliards de dollars en 2033. L'IoT permet une multitude d'applications métier. Connaître ces exemples et cas d'usage peut aider les entreprises à intégrer les technologies IoT dans leurs futurs investissements.
Intelligence artificielle agentielle pour la cybersécurité : cas d'utilisation et exemples
L'IA agentique désigne les systèmes d'IA qui combinent des modèles tels que les grands modèles de langage (LLM) avec des flux de travail automatisés, l'intégration d'outils et l'aide à la décision. Ces systèmes assistent les équipes de sécurité dans les domaines de la sécurité opérationnelle (SecOps) et de la sécurité des applications (AppSec) en analysant les alertes, en automatisant les tâches de routine et en soutenant les enquêtes. Les outils d'IA agentique fonctionnent généralement sous supervision humaine. Ils ne sont pas totalement autonomes.
Plus de 50 cas d'utilisation de ChatGPT avec des exemples concrets
ChatGPT a atteint 900 millions d'utilisateurs actifs hebdomadaires début 2026, soit environ 10 % de la population mondiale. OpenAI a généré 10 milliards de dollars de revenus annuels récurrents mi-2025. Mais que font ces 900 millions de personnes avec ce service ? OpenAI et l'économiste de Harvard, David Deming, ont analysé 1,5 million de conversations pour le découvrir.
Comparaison de 9 grands modèles de langage dans le domaine de la santé
Nous avons évalué les performances de 9 modèles de maîtrise en droit (LLM) à l'aide du jeu de données MedQA, un référentiel d'examens cliniques de niveau supérieur dérivé des questions de l'USMLE. Chaque modèle a répondu aux mêmes scénarios cliniques à choix multiples à l'aide d'une consigne standardisée, permettant une comparaison directe de leur précision. Nous avons également enregistré le temps de latence par question en divisant le temps d'exécution total par le nombre de questions MedQA traitées.
Création d'agents d'IA à l'aide de modèles composables
Nous avons passé trois jours à expérimenter avec les workflows et les pipelines d'agents dans n8n, en suivant les guides de Anthropic et OpenAI sur la création d'agents d'IA performants. Découvrez les composants essentiels d'un agent d'IA, comment choisir les composants et les outils adaptés, et comment créer des workflows d'agents basés sur les modèles simples et composables de Anthropic, tels que l'enchaînement d'invites, le routage, la parallélisation et l'orchestration.
Les 20 principales entreprises de technologies de tromperie
La technologie de leurre utilise de faux actifs pour détecter les attaquants ayant contourné les défenses périmétriques. Les entreprises peuvent ainsi détecter et isoler une cyberattaque avant qu'elle n'atteigne leurs systèmes. Nous présentons ici les 20 principales entreprises spécialisées dans les technologies de leurre.
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.