Du Stockage Cloud au ML en Production : Le Point d’Inflexion 2023 de Yassir
Yassir a été fondée en 2017 par Noureddine Tayebi et El Mahdi Yettou comme application de VTC à Alger. En 2022, la société avait levé une Série B de 150 millions de dollars et s’était étendue à la livraison de repas, la livraison de courses et les services financiers dans 45 villes en Algérie, au Maroc et en Tunisie — avec une expansion ultérieure vers la France, le Canada et l’Afrique subsaharienne. La trajectoire de croissance était claire. Ce qui était moins clair, c’était comment opérer une plateforme multi-services de plus en plus complexe sans les gains d’efficacité opérationnelle permettant au modèle d’affaires de se maintenir à grande échelle.
L’intégration de Vertex AI — la plateforme de machine learning managée de Google Cloud — en 2023 a marqué le point d’inflexion opérationnel. Avant l’adoption de Vertex AI, le cycle de développement ML de Yassir prenait plusieurs semaines du développement de modèle au déploiement en production. Après intégration, ce délai s’est compressé à quelques jours. L’accélération n’est pas un gain de vitesse pour la vitesse — elle signifie que Yassir peut désormais itérer sur les algorithmes de recommandation, les modèles de tarification et la logique de matching à un rythme qui approche l’apprentissage en temps réel plutôt que les mises à jour trimestrielles.
L’architecture Google Cloud complète sous-jacente au déploiement Vertex AI comprend Google Kubernetes Engine (GKE) Autopilot, Cloud Run pour les applications conteneurisées, BigQuery pour le data warehousing, Dataproc et Dataflow pour le traitement de données, Dataplex pour la gouvernance, et Looker pour la business intelligence. Ce n’est pas une intégration d’outil unique — c’est une infrastructure de données complète qui rend les capacités ML de Vertex AI opérationnellement cohérentes.
Les Résultats ML : Ce que les Chiffres Disent Vraiment
Le déploiement Vertex AI de Yassir a produit des résultats mesurables sur trois lignes d’activité, chacune avec des mécaniques distinctes.
Les opérations de VTC ont réalisé l’amélioration opérationnelle la plus tangible : une réduction de 50 secondes du temps d’attribution des chauffeurs. Ce n’est pas une métrique de vanité. Dans l’économie du VTC, la latence d’attribution des chauffeurs affecte directement les taux d’annulation — les chauffeurs annulent les prises en charge trop longues à initier, et les passagers annulent les demandes sans match rapide. Une amélioration de 50 secondes représente moins d’annulations par course complétée, moins de kilomètres à vide pour les chauffeurs, et de meilleures économies unitaires par trajet.
La livraison de courses a produit l’impact projeté sur les revenus le plus significatif : une augmentation estimée de 20 % des revenus grâce aux recommandations personnalisées pilotées par l’IA, combinée à une augmentation de 25 % de la valeur moyenne des commandes. Le système de recommandation apprend des historiques d’achat, de la composition des paniers, des habitudes par heure et des signaux de demande par quartier pour suggérer des produits avec une probabilité de conversion plus élevée.
La rétention client sur tous les services s’est améliorée d’un estimé de 20 % selon les rapports de Yassir. C’est l’effet composé de recommandations plus pertinentes, d’une exécution de service plus rapide, et des effets réseau d’une super app où un utilisateur retenu dans la livraison de courses est également un utilisateur potentiel de VTC et de fintech.
Publicité
L’Acquisition de Kawarizmi : Étendre la Stack ML à la Publicité Retail
En mars 2026, Yassir a acquis Kawarizmi — une société adtech parisienne spécialisée dans le trading programmatique et l’achat média data-driven sur l’Europe, l’Afrique, le Moyen-Orient et l’Asie du Sud. Le deal est l’étape logique suivante dans la stratégie de monétisation des données de Yassir.
Les 100 000+ partenaires commerciaux de Yassir sur ses plateformes de livraison génèrent un actif de données first-party que la plupart des entreprises algériennes ne possèdent pas : données d’achat comportementales riches, données de localisation, et données d’engagement au niveau session liées à des identités d’utilisateurs vérifiées. Ces données valent considérablement plus que les revenus des commissions de livraison si elles peuvent être utilisées pour connecter les annonceurs à des audiences à forte intention.
L’expertise programmatique de Kawarizmi — achat média algorithmique, optimisation des performances créatives, et portée d’audience sur les marchés diaspora MENA — fournit l’infrastructure technique pour construire ce que le CEO Noureddine Tayebi a décrit comme « un réseau de retail media scalable ». Le modèle stratégique est similaire à ce qu’Amazon a construit avec Amazon Advertising.
Ce que les Entreprises Tech Algériennes Devraient Retenir de la Stratégie Yassir
1. Commencer par une infrastructure de données axée sur la mesure avant tout modèle ML
Le déploiement Vertex AI n’a pas produit des résultats parce que les modèles sont intrinsèquement supérieurs — il en a produit parce que Yassir avait déjà construit une infrastructure de données cohérente (BigQuery + Dataplex + Looker) qui rendait les sorties des modèles mesurables et exploitables. Les entreprises algériennes qui tentent de déployer du ML sans d’abord résoudre la qualité des données, la gouvernance et la mesure exécuteront des modèles dont les sorties ne seront pas fiables.
2. Cibler d’abord les problèmes de matching et de classement — le ROI est le plus direct
L’optimisation de l’attribution des chauffeurs et le classement des recommandations de produits sont des cas d’usage ML idéaux pour débuter parce que leur impact est directement mesurable. Les entreprises algériennes en logistique, e-commerce et services devraient cartographier leurs décisions de matching ou de classement à fréquence la plus élevée et identifier lesquelles fonctionnent actuellement sur des règles simples pouvant être remplacées par des modèles appris.
3. Traiter les données first-party comme un actif stratégique nécessitant une gouvernance active
L’acquisition de Kawarizmi par Yassir pour monétiser ses données first-party reflète la reconnaissance que les données transactionnelles opérationnelles ont une valeur commerciale au-delà de la transaction elle-même. Les entreprises algériennes accumulant des données d’achat, de localisation et comportementales devraient commencer à traiter ces données comme un actif bilan nécessitant une gouvernance formelle (classification des données, contrôles d’accès, politiques de rétention) plutôt qu’un sous-produit opérationnel.
4. Utiliser des plateformes ML managées pour éviter le piège de l’infrastructure
La valeur de Vertex AI pour Yassir n’est pas uniquement dans les modèles — c’est dans l’infrastructure managée qui élimine le besoin d’équipes MLOps dédiées. Pour les entreprises algériennes sans les effectifs d’ingénierie de Yassir, les plateformes managées (Vertex AI, AWS SageMaker, Azure Machine Learning) permettent à de petites équipes d’atteindre un ML de qualité production sans construire toute la stack d’infrastructure from scratch.
La Vue d’Ensemble
Le déploiement Vertex AI de Yassir et l’acquisition de Kawarizmi racontent ensemble une histoire sur ce à quoi ressemble la prochaine génération de compétition tech algérienne. Les entreprises qui définiront l’économie numérique algérienne en 2028-2030 ne sont pas celles avec le plus d’utilisateurs ou de services — ce sont celles avec l’infrastructure de données et de ML la plus cohérente sous-jacente à leurs opérations.
Les plateformes super app mondiales — Grab en Asie du Sud-Est, Rappi en Amérique Latine — ont suivi exactement cette trajectoire : commencer par les opérations, construire l’infrastructure de données, déployer le ML pour optimiser les opérations, puis monétiser l’actif data via la publicité et les services financiers. Yassir exécute ce playbook à une cadence qui aurait été méconnaissable il y a quatre ans.
Foire Aux Questions
Qu’est-ce que Vertex AI et pourquoi Yassir l’a-t-il choisi plutôt que des alternatives ?
Vertex AI est la plateforme de machine learning managée de Google Cloud, fournissant une infrastructure pour entraîner, déployer et surveiller des modèles ML sans construire la stack MLOps sous-jacente. Le choix de Vertex AI par Yassir reflète son investissement existant dans l’infrastructure Google Cloud — BigQuery pour l’analytique, GKE pour les workloads conteneurisés. Pour les entreprises non encore engagées avec un fournisseur cloud, les trois principales plateformes ML managées (Vertex AI, SageMaker, Azure ML) offrent des capacités comparables.
Comment l’acquisition de Kawarizmi change-t-elle le modèle d’affaires de Yassir ?
Avant l’acquisition de Kawarizmi, les revenus de Yassir provenaient principalement des commissions de livraison, des frais de VTC et des services financiers naissants. L’acquisition ajoute un flux de revenus de retail media : les marques paient pour atteindre les 8 millions d’utilisateurs de Yassir via une publicité ciblée informée par des données d’achat et comportementales first-party. Ce modèle a des marges plus élevées que les frais de transaction et crée une source de revenus qui évolue avec la qualité des données, pas seulement le volume des transactions.
Quel serait le coût pour une startup algérienne de déployer un Vertex AI comparable ?
La tarification Vertex AI est à la consommation. Une implémentation à petite échelle comparable à un cas d’usage de recommandation Yassir précoce coûte environ 500 à 2 000 dollars par mois selon le volume de prédictions. Le coût plus important est l’investissement en data engineering pour rendre les données prêtes pour l’entraînement des modèles : typiquement 2 à 4 mois de temps d’ingénieur senior. Le programme startup de Google Cloud fournit des packages de crédits pouvant substantiellement compenser les coûts initiaux pour les startups algériennes éligibles.
—
