Services
Contactez-nous
Cem Dilmegani

Cem Dilmegani

Analyste principal
342 Articles
Restez informé des dernières technologies B2B
Cem est analyste principal chez AIMultiple depuis près de dix ans. Ses travaux chez AIMultiple ont été cités par des publications internationales de premier plan telles que Business Insider, Forbes, Morning Brew et le Washington Post, ainsi que par des entreprises internationales comme HPE, des ONG comme le Forum économique mondial et des organisations supranationales comme la Commission européenne. [1], [2], [3], [4], [5]

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

Présentations aux médias, conférences et autres événements

Sources

  1. Pourquoi Microsoft, IBM et Google intensifient leurs efforts en matière d'éthique de l'IA , Business Insider.
  2. Microsoft investit 1 milliard de dollars dans OpenAI pour développer une intelligence artificielle plus performante que l'humanité , Washington Post.
  3. Développer le leadership en IA : Boîte à outils IA pour les dirigeants , Forum économique mondial.
  4. Performances scientifiques, de recherche et d'innovation de l'UE , Commission européenne.
  5. 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.
  6. Hypatos lève 11,8 millions de dollars pour une approche d'apprentissage profond appliquée au traitement de documents , TechCrunch.
  7. 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

Logiciel d'entrepriseMar 19

Oracle Fonctionnalités et alternatives du planificateur d'infrastructure cloud (OCI)

Comparez les meilleurs planificateurs d'infrastructure cloud (OCI) classés selon leurs capacités d'intégration, leurs fonctionnalités et leurs prix.

Logiciel d'entrepriseMar 19

Sécurité de l'automatisation des charges de travail en  : bonnes pratiques et exemples

Les entreprises doivent sécuriser l'automatisation des charges de travail à tous les niveaux. Les sections suivantes présentent les principaux risques, les bonnes pratiques pour sécuriser les environnements d'automatisation et des exemples concrets illustrant l'importance d'une sécurité robuste.

Logiciel d'entrepriseMar 19

La réalité étendue (XR) et la réalité augmentée (AR) dans le secteur manufacturier en  : 7 cas d'utilisation concrets

Des études sectorielles récentes montrent que les livraisons d'appareils XR (par exemple, lunettes AR légères ou lunettes intelligentes à usage industriel) ont progressé de plus de 40 % en 2025 par rapport à l'année précédente. Face à une adoption croissante, les technologies XR aident de plus en plus les fabricants à améliorer leur efficacité, la sécurité et la collaboration. Découvrez les 7 principaux cas d'utilisation de la XR/AR dans le secteur manufacturier, illustrés par des exemples concrets.

Logiciel d'entrepriseMar 19

Comparaison de 7 méthodes d'ordonnancement de tâches en Python

La planification des tâches en Python permet d'exécuter automatiquement des tâches à des moments ou intervalles précis, réduisant ainsi les interventions manuelles et améliorant la fiabilité. Voici les différentes méthodes de planification des tâches en Python, des plus simples aux plus avancées, avec leurs avantages et inconvénients : Principales méthodes de planification des tâches en Python : 1.

cybersécuritéMar 17

Prévention des pertes de données (DLP) : types et 6 défis

L'accroissement de la mobilité engendre des risques de perte ou de vol de données, pouvant entraîner de lourdes pertes financières et nuire gravement à la réputation des entreprises. Un logiciel de prévention des pertes de données (DLP) efficace doit empêcher la circulation non autorisée de données privées et d'informations personnelles identifiables (IPI) afin de limiter les risques financiers et de réputation.

Logiciel d'entrepriseMar 17

Automatisation des charges de travail dans le cloud : principaux logiciels et cas d'utilisation

Les entreprises gagnent en flexibilité tout en maîtrisant leurs coûts grâce à l'adoption d'une stratégie de cloud hybride. Selon Statista, les secteurs d'activité ont augmenté leurs charges de travail dans le cloud, notamment en réponse à la pandémie de COVID-19. Nous explorons les différences entre l'automatisation des charges de travail dans le cloud et dans les environnements hybrides, les principaux outils et sept cas d'utilisation de cette automatisation.

cybersécuritéMar 17

Top 10 des meilleures pratiques et études de cas en matière de DLP mobile

Les employés accèdent aux fichiers, envoient des courriels et utilisent des applications professionnelles sur des appareils mobiles tels que les smartphones et les tablettes, ce qui engendre de nouveaux risques. La portabilité, l'accès aux systèmes cloud et la diversité des applications des appareils mobiles constituent des vulnérabilités pour les logiciels de protection contre la fuite de données (DLP).

Agent IAMar 16

Comparaison de plus de 50 outils d'agents IA en

Au cours du dernier trimestre, nous avons testé des agents d'IA dans les domaines du codage, du service client, des ventes, de la recherche et des processus métier. Nous ne nous sommes pas contentés d'étudier les argumentaires marketing des fournisseurs, mais avons utilisé ces outils au quotidien pour évaluer leur efficacité. La plupart des outils actuels sont des copilotes, et non des automates.

Logiciel d'entrepriseMar 16

L'avenir du conseil en management en  : l'IA va-t-elle bouleverser le secteur MBB ?

Le conseil en management est l'un des secteurs les plus importants au monde, avec McKinsey, son leader, dont le chiffre d'affaires est estimé à plus de 10 milliards de dollars. Depuis sa création en 1926, McKinsey a su traverser de nombreuses crises. Nous analysons ici les raisons pour lesquelles les progrès technologiques et l'intelligence artificielle pourraient marquer le début d'un déclin pour le conseil en management.

Logiciel d'entrepriseMar 16

Avantages et inconvénients des 6 principales alternatives à l'automatisation robotisée des processus (RPA) à considérer

L'automatisation robotisée des processus (RPA) est une technologie avantageuse qui permet d'automatiser jusqu'à 70 à 80 % des processus basés sur des règles. Cependant, environ 40 % des entreprises n'atteignent pas leurs objectifs de réduction des coûts après la mise en œuvre de la RPA. Cela s'explique par le fait que la RPA n'est pas adaptée à tous les processus et que sa mise en œuvre présente des risques, notamment des coûts élevés.