Contactez-nous
Aucun résultat trouvé.
Cem Dilmegani

Cem Dilmegani

Analyste principal
345 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

cybersécuritéJan 29

15 menaces pour la sécurité des agents d'IA

Il y a encore quelques années, l'imprévisibilité des grands modèles de langage (GML) aurait posé de sérieux problèmes. Un exemple notable concerne l'outil de recherche de ChatGPT : des chercheurs ont constaté que des pages web conçues avec des instructions cachées (par exemple, du texte d'injection d'invite intégré) pouvaient systématiquement amener l'outil à produire des résultats biaisés et trompeurs, malgré la présence d'informations contraires.

Agent IAJan 29

15 outils d'observabilité des agents IA en 2026 : AgentOps et Langfuse

Les outils d'observabilité des agents d'IA, tels que Langfuse et Arize, permettent de collecter des traces détaillées (un enregistrement de l'exécution d'un programme ou d'une transaction) et fournissent des tableaux de bord pour suivre les indicateurs en temps réel. De nombreux frameworks d'agents, comme LangChain, utilisent la norme OpenTelemetry pour partager des métadonnées avec la supervision des agents. Par ailleurs, de nombreux outils d'observabilité offrent une instrumentation personnalisée pour une plus grande flexibilité.

IAJan 28

Le paysage de l'évaluation des LLM avec des cadres de référence

L'évaluation des modèles de langage (LLM) nécessite des outils capables d'analyser le raisonnement multi-tours, les performances en production et l'utilisation de l'outil. Nous avons consacré deux jours à l'examen des frameworks d'évaluation de 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 panorama des évaluations de LLM ; présenté les capacités d'évaluation des LLM ; et expliqué ces capacités, notamment le comportement des agents.

cybersécuritéJan 28

6 exemples concrets de RBAC en 2026

Près des deux tiers des entreprises ont 1 000 fichiers sensibles ou plus accessibles à chaque employé. Les systèmes de contrôle d'accès basé sur les rôles (RBAC) aident les organisations à gérer ces accès. Voici 6 exemples concrets de mise en œuvre de RBAC, leurs défis, leurs solutions et leurs résultats. Exemples concrets de RBAC : 1. Banque Dresdner : Grande banque européenne avec 368 fonctions différentes et 1 300 rôles.

IAJan 28

Évaluation comparative de 8 modèles de code d'IA : LMC-Eval

Plus de 37 % des tâches effectuées sur des modèles d'IA concernent la programmation informatique et les mathématiques. Afin d'identifier le modèle d'IA le plus adapté au codage, nous lançons un nouveau benchmark, LMC-Eval, qui teste les meilleurs modèles d'IA pour évaluer leurs performances sur des questions de codage logique : résultats de LMC-Eval.

IAJan 28

Test de performance OCR : Précision d'extraction/de capture de texte

La précision de la reconnaissance optique de caractères (OCR) est essentielle pour de nombreuses tâches de traitement de documents, et les logiciels multimodaux de pointe offrent désormais une alternative à l'OCR. Nous avons comparé les principaux services d'OCR dans DeltOCR Bench afin d'identifier leurs niveaux de précision pour différents types de documents : Analyse comparative OCR : DeltOCR Bench.

IAJan 28

Les 25 principaux cas d'utilisation de l'IA générative dans la finance en 2026

J'ai passé dix ans à conseiller des entreprises de services financiers. Chaque mise en œuvre d'IA que j'ai observée suivait le même schéma : des projets pilotes impressionnants lors des présentations, mais qui s'enlisaient en production. La situation évolue. Les banques déploient désormais l'IA générative à grande échelle, et les résultats sont mesurables. Voici ce qui fonctionne réellement, d'après des mises en œuvre vérifiables.

cybersécuritéJan 28

Les 10 meilleurs outils de micro-segmentation open source en 2026

La segmentation réseau traditionnelle ne convient pas aux microservices. Les adresses IP et les ports ne peuvent pas protéger les communications API lorsque les services sont créés et arrêtés dynamiquement dans différents conteneurs. Les grandes entreprises qui utilisent des architectures de microservices ont besoin d'une approche différente : une segmentation basée sur l'identité qui suit les services où qu'ils soient exécutés.

Agent IAJan 28

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.

Agent IAJan 28

Agents IA locaux : Goose, Observer AI, AnythingLLM

Les agents d'IA locaux sont souvent décrits comme étant hors ligne, embarqués ou entièrement locaux. Nous avons consacré trois jours à cartographier l'écosystème des agents d'IA locaux fonctionnant de manière autonome sur du matériel personnel, sans dépendre d'API externes ni de services cloud.