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
Systèmes de recommandation : applications et exemples
Les systèmes de recommandation profitent aux entreprises comme aux clients en utilisant les données pour personnaliser les expériences. Ils contribuent à augmenter les ventes, à fidéliser la clientèle et à réduire le taux d'attrition en simplifiant les choix et en maintenant l'engagement des utilisateurs. Nous avons comparé trois bibliothèques de recommandation Python : LightFM, Cornac BPR et TensorFlow Recommenders, en utilisant le même jeu de données de rétroaction implicite et les mêmes étapes de prétraitement.
Des agents d'IA mobile testés sur 65 tâches réelles
Nous avons passé trois jours à évaluer les performances de quatre agents d'IA mobile (DroidRun, Mobile-Agent, AutoDroid et AppAgent) sur 65 tâches concrètes à l'aide d'un émulateur Android et d'applications telles que la gestion de calendrier, la création de contacts, la capture de photos, l'enregistrement audio et les opérations sur fichiers.
Les 9 principales entreprises et applications d'infrastructure d'IA
De nombreuses organisations investissent massivement dans l'IA, pourtant la plupart des projets peinent à se déployer à grande échelle. Seuls 10 à 20 % des prototypes d'IA aboutissent à un déploiement complet. L'une des principales raisons est que les systèmes existants ne sont pas adaptés aux exigences des grands ensembles de données, du traitement en temps réel ou des modèles d'apprentissage automatique complexes.
Meilleurs outils LLMOps et comparaison avec les MLOPs
L'adoption rapide des grands modèles de langage a dépassé le développement des cadres opérationnels nécessaires à leur gestion efficace. Les entreprises sont de plus en plus confrontées à des coûts de développement élevés, des pipelines complexes et une visibilité limitée sur les performances des modèles. Nous avons examiné les principaux outils LLMOps, leurs fonctionnalités clés, leurs modèles de tarification et leurs différences afin d'identifier la solution la plus adaptée à leurs besoins.
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.
Plus de 10 tendances et exemples d'IA agentique pour 2026
Nous avons analysé et comparé les tendances de l'IA agentique à partir de plusieurs rapports sectoriels, études comparatives et communications de fournisseurs majeurs. Ces sources indiquent que l'avenir de l'IA agentique ne se limite pas à l'amélioration des outils ou à la rationalisation des processus métier. Il s'agit d'intégrer l'IA en profondeur et de transformer les approches commerciales en restructurant les cadres actuels.
17 cas d'utilisation de l'IA générative dans le domaine de la santé
Les systèmes de santé sont confrontés à une augmentation du volume de données, à une pénurie de personnel et à des attentes croissantes en matière de soins personnalisés. L'IA générative s'impose comme une solution clé en synthétisant des données médicales non structurées, telles que les notes cliniques, les comptes rendus d'imagerie et les antécédents médicaux, afin d'en extraire des informations exploitables pour les cliniciens et les administrateurs. Découvrez comment l'IA générative est appliquée dans les domaines de la prestation de soins, de l'administration et de la santé publique.
Logiciels GPU pour l'IA : CUDA contre ROCm en 2026
Les spécifications matérielles brutes ne révèlent que la moitié du potentiel du calcul GPU. Pour mesurer les performances réelles en IA, nous avons effectué 52 tests distincts comparant le MI300X de AMD aux H100, H200 et B200 de NVIDIA dans des scénarios multi-GPU et de forte concurrence.
Marché des GPU : Shadeform vs Prime Intellect vs Node AI en 2026
Trouver de la puissance GPU disponible à des prix raisonnables est devenu un défi majeur pour les équipes d'IA. Si les principaux fournisseurs de cloud comme AWS et Cloud proposent des instances GPU, celles-ci sont souvent saturées ou onéreuses. Les agrégateurs de places de marché GPU se sont imposés comme une alternative, connectant les utilisateurs à des dizaines de fournisseurs via une interface unique.
Comparaison des performances OCR des factures : précision d'extraction des logiciels de reconnaissance optique de caractères (LLM) par rapport aux logiciels de reconnaissance optique de caractères (OCR)
Le traitement des factures est une opération commerciale essentielle mais gourmande en main-d'œuvre qui nécessite traditionnellement l'extraction et la saisie manuelles des données dans les systèmes comptables. Cette approche manuelle est chronophage et sujette aux erreurs humaines.
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.