Cerved réduit ses coûts avec un environnement serverless AWS
Avec l'aide du partenaire AWS Claranet, Cerved a réussi à réduire les coûts d'infrastructure et à améliorer la précision de la catégorisation des articles de presse pour son service de veille médias en utilisant des modèles de machine learning (ML) dans un environnement AWS serverless.
Cerved est le premier fournisseur italien d'informations commerciales et l'une des principales agences de notation en Europe. L'entreprise surveille et catégorise les articles de centaines de sources en ligne pour fournir des nouvelles quotidiennes sur les entreprises et les marchés financiers. Ce service est proposé directement aux clients, mais est également intégré aux autres services d'informations commerciales de Cerved, tels que la veille de marché, la prospection de clients et les notations de risque de crédit.
Avec l'aide du partenaire AWS Claranet, Cerved a réussi à réduire les coûts d'infrastructure et à améliorer la précision de la catégorisation des articles de presse pour son service de veille médias en utilisant des modèles de machine learning (ML) dans un environnement AWS serverless.
Pour améliorer la précision, simplifier la maintenance et développer rapidement de nouvelles fonctionnalités pour son service de veille de médias et articles business, Cerved avait besoin de réduire les coûts de fonctionnement et la rapidité de déploiement des modèles de machine learning, développer de nouveaux produits en exposant des API et rendre autonome les équipes à l’usage des pipelines de machine learning.
Une infrastructure serverless sur AWS pour la mise en place de modèles de machine learning
En collaboration avec Claranet, Cerved a mis en place une infrastructure serverless sur AWS pour choisir, développer, entraîner, déployer et superviser des modèles de machine learning afin d’améliorer la classification des articles business de presse. Parmi les services AWS utilisés figurent SageMaker, Kinesis, Lambda, Data Firehose et OpenSearch.
En outre, Claranet a aidé Cerved à automatiser les déploiements de modèles de bout en bout via des pipelines et à former les équipes sur les pratiques DevOps et MLOps sur AWS.
Résultats obtenus
Cerved a ainsi réussi à atteindre plusieurs résultats, notamment :
- la revue et classification de 20 000 articles de presse par jour,
- une amélioration de 25 % de la précision de la catégorisation des articles proposés à ses utilisateurs grâce à l’utilisation des modèles de machine learning,
- des économies de coûts d'infrastructure avec l’adoption d’une plateforme full serverless,
- une supervision de la qualité des modèles sans déviance dans le temps,
- une qualité des données en amélioration continue, et des projets d'expansion et de nouvelles offres pour les clients.
Grâce à l'expertise de Claranet et aux services AWS, Cerved a réussi à améliorer la qualité de son service de veille médias tout en réduisant ses coûts d'infrastructure.
L'adoption d'un environnement serverless et de modèles de machine learning a permis à Cerved de mieux répondre aux besoins de ses clients et d'innover rapidement dans le développement de nouveaux produits.
