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
Les 12 meilleurs outils d'automatisation des charges de travail de : Analyse comparative des fournisseurs
Nous comparons sept outils d'automatisation des charges de travail. Notre sélection s'est basée sur trois critères : un effectif de plus de 100 employés sur LinkedIn, un financement ou un chiffre d'affaires supérieur à 3 millions de dollars et une référence d'une entreprise du Fortune 500.
Web Crawler Benchmark : De l'indexation à l'agentic Intelligence
Nous avons comparé quatre API d'exploration sur trois domaines de difficulté variable (amazon.com, entrepreneur.com, theregister.com) à trois niveaux de profondeur maximum (5, 10, 20) avec une limite de 1 000 pages. Nous avons mesuré la couverture d'exploration, le temps d'exécution, la découverte des liens, la qualité des liens Markdown et la précision de l'extraction des titres. Si vous souhaitez comparer les performances des robots d'exploration web, vous pouvez consulter notre méthodologie.
Comparatif des prix des solutions de gestion des appareils mobiles : plus de 10 produits
Comprendre la tarification est essentiel pour les logiciels de gestion des appareils mobiles (MDM), car leur coût augmente généralement avec la taille de votre entreprise. Les modèles de tarification incluent : le coût par appareil et par technicien. Comparez les produits MDM : classement des prix des logiciels MDM, du moins cher au plus cher. Analysez comment les fonctionnalités présentées dans ces colonnes influencent les prix.
Les 16 principaux cas d'utilisation de l'UEBA pour les SOC actuels en
Les mesures de sécurité traditionnelles, telles que les passerelles web, les pare-feu, les systèmes de prévention d'intrusion (IPS) et les VPN, ne suffisent plus à se défendre contre les cyberattaques modernes. Les attaquants utilisent couramment des identifiants valides que les outils basés sur des règles ne détectent jamais. Les systèmes UEBA comblent cette lacune en surveillant les entités non-utilisateurs parallèlement aux utilisateurs humains, grâce à l'apprentissage automatique qui permet d'établir des comportements de référence et de détecter les anomalies.
Les 6 principales méthodes de collecte de données pour l'IA et l'apprentissage automatique
Alors que certaines entreprises s'appuient sur des services de collecte de données IA, d'autres utilisent des outils d'extraction de données ou d'autres méthodes. Découvrez les 6 principales méthodes et techniques de collecte de données IA pour alimenter vos projets d'IA avec des données précises : Aperçu des méthodes de collecte de données IA 1.
Logiciels de synthèse vocale : Hume et ElevenLabs
Avec l'évolution des capacités de l'IA, les logiciels de synthèse vocale (TTS) deviennent de plus en plus performants pour produire une parole naturelle et proche de celle de l'humain. Nous avons évalué et comparé les performances de cinq outils de synthèse vocale et d'analyse des sentiments (Resemble, ElevenLabs, Hume, Azure et Cartesia) sur sept catégories d'émotions principales afin de déterminer lequel reconnaissait le plus précisément, le plus systématiquement et le plus exhaustivement les nuances émotionnelles.
Comparatif des meilleurs outils de conception et de codage : analyse détaillée
Le paysage de la conception et du développement a été transformé par les outils d'IA qui promettent de combler le fossé entre la conception visuelle et le code prêt pour la production. Avec 82 % des développeurs utilisant désormais des assistants de codage IA quotidiennement ou hebdomadairement, la demande de solutions efficaces de conception et de développement n'a jamais été aussi forte.
Outils d'évaluation RAG : Pondération et biais vs Ragas vs DeepEval
Lorsqu'un pipeline RAG récupère un contexte incorrect, le LLM génère une réponse erronée. Les outils d'évaluation de la pertinence du contexte constituent la principale défense. Nous avons comparé cinq outils sur 1 460 questions et plus de 14 600 contextes évalués dans des conditions identiques : même modèle de juge (GPT-4o), configurations par défaut et aucune invite personnalisée. Dans des conditions standard, WandB, TruLens et Ragas se sont avérés les plus performants.
IA sans code : avantages, secteurs d'activité et principales différences
Les outils d'IA sans code permettent aux utilisateurs de créer, d'entraîner ou de déployer des applications d'IA sans écrire une seule ligne de code. Ces plateformes s'appuient généralement sur des interfaces glisser-déposer, des invites en langage naturel, des assistants de configuration guidée ou des outils de création de flux de travail visuels. Cette approche facilite l'accès à l'IA et la rend accessible aux utilisateurs sans connaissances en programmation.
Outils et cas d'utilisation de la collecte automatisée de données en
La collecte automatisée de données utilise des systèmes pour recueillir, traiter et analyser efficacement les informations. Puisque les données automatisées proviennent de sources multiples et de formats variés, il est essentiel de comprendre leurs différents types et leurs origines pour une mise en œuvre efficace. Qu'est-ce que l'automatisation de la collecte de données ? L'automatisation de la collecte de données utilise des technologies telles que des scripts logiciels, des bots, des API ou des plateformes dédiées pour recueillir, organiser et analyser les données.
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.