outils d’aide
à la décision

Une startup développe un système de sécurisation de piscine privées. Le but est de détecter spécifiquement la chute d’enfants de moins de 2 ans (entre 6 et 9 kgs), dans le cadre d’une utilisation familiale. Il est essentiel de distinguer la chute d’un enfant à celle d’un adulte, d’un animal, d’un objet etc, à partir d’enregistrements sonores d’un hydrophone.

Le contexte d’une chute peut varier significativement. Une chute peut avoir lieu à plusieurs mètres de l’hydrophone. Des bruits de fond peuvent être présents dans les enregistrements. Il s’agit notamment de bruits provenant d’une pompe ou d’un robot. La détection doit se réaliser en conditions d’utilisation réelles et en temps réel (cible : 1s).

AltGR conçoit et réalise un prototype capable de détecter la chute d’un enfant avec une précision proche de 85%.

Un acteur industriel doit anticiper les défaillances de certaines pièces dans ses machines tournantes. Il dispose de données brutes issues de bancs d’essais (300 Go, 28 capteurs), afin d’identifier un défaut rare dont la signature fréquentielle est inconnue. Cette étude s’inscrit dans une analyse post-mortem.

AltGR mène une étude comparée de différents outils d’analyse temps-fréquence (ondelettes, Wigner-Ville) afin d’identifier des motifs anormaux.

Certaines startups utilisent des systèmes d’intelligence artificielle qui font appel à des algorithmes d’apprentissage automatique, notamment des réseaux de neurones et des forêts aléatoires. La maintenance de la base de code associée est complexe, surtout s’ils ont été construits par des collaborateurs qui ont quitté l’organisation. L’accumulation de dette technique est de plus un sujet majeur, qui freine considérablement les évolutions de ces systèmes. Les interrogations peuvent parfois porter sur la pertinence des algorithmes choisis ou sur les modèles mathématiques employés. Dans certains cas, le système se contente de tomber en marche.

AltGR réalise un audit algorithmique de l'ensemble de la base de code (parfois jusqu’à 60000 lignes) et des données disponibles, puis formule des recommandations techniques et opérationnelles sur les différents systèmes installés.

Un éditeur de solution de gestion de moteurs de base de données fait appel à AltGR. Il souhaite proposer à ses utilisateurs des fonctionnalités avancées de détection de changement de comportement et de planification à moyen et long terme (de 3 mois à 24 mois). Les objets à suivre sont des tables et des instances de base.

AltGR conçoit les routines de traitement de données à l’aide de méthodes statistiques.

Un acteur industriel souhaite évaluer les risques financiers et réglementaires de 700 sociétés qu’il contrôle. Les données issues de l'activité de contrôle de conformité interne sont une mine d’informations. Leur exploitation doit être réalisée de manière systématique, dans un contexte spécifique.

AltGR conçoit un programme qui scrute l’évolution de 80 paramètres sur une profondeur de cinq ans et établit un score de risque en accord avec les règles internes de la société mère.

Un service en ligne (SaaS) doit classer des transactions bancaires de manière fiable et robuste (>90%). La base de connaissances est constituée d’un historique de transactions (13.7 millions de lignes, 15 paramètres, 8 ans), étiquetées selon des affections comptables (100+).

AltGR conçoit un outil d'exploitation de cette base en suivant une approche hybride faisant appel à des traitements statistiques et des règles métiers.

Une banque régionale a un portefeuille de 45000 clients professionnels. Elle souhaite leur proposer des produits financiers en adéquation avec leurs besoins à court terme. Des indicateurs chiffrés (35+) sont issus des 100000 bilans comptables internes.

AltGR conçoit un programme de calcul d’appétence exploitant des règles métiers, élaborées en co-construction avec les opérationnels.

Un e-commerçant vend 1200 références sur quinze plateformes. Cette PME provençale souhaite ajuster finement ses prix de vente afin de maximiser sa marge en fonction des stocks disponibles, des marges, des volumes de ventes et des frais de livraison.

AltGR crée un outil de détermination des prix pour chaque plateforme. Le programme s’appuie sur l’historique de commandes disponible, avec une profondeur compris entre 3 et 12 ans.

L’IRSN souhaite ré-analyser 70 essais uniques, réalisés entre 1974 et 2019. Le but est de détecter des ruptures dans des crayons de combustible nucléaire, avec des performances élevées.

AltGR conçoit un algorithme d’apprentissage automatique sur ce petit jeu de données, en intégrant un prétraitement des cartes de chaleur par ondelettes de Gabor et courbures de Killing-Lipschitz.

Ces travaux donnent lieu à une publication scientifique (NIMA).

L’ADEME possède une base de diagnostics de performance énergétique (DPE), composée de 3.22 millions d’enregistrements uniques d’une centaine de paramètres. Elle souhaite estimer la qualité des données et disposer d’outils de visualisation efficaces. Le but est de pouvoir traiter les informations qu’elle renferme, et d’établir des corrélations entre des indicateurs et leur répartition géographique.

AltGR conçoit et implémente les outils numériques d’exploration de la base de données.

Un grand groupe veut pouvoir détecter des irrégularités et des non-conformités dans son fonctionnement : processus, production, finance, gestion. Le traitement actuel est semi-manuel. Les équipes internes ne peuvent humainement pas traiter les 20 millions d’opérations internes.

AltGR s’empare du sujet et conçoit un outil de détection systématique à partir d’une suite de règles métiers (50+) et d’analyses statistiques.

Un annuaire d’entreprise souhaite relier des informations publiques (2.19 millions de sociétés) à la base de données légale (SIRÈNE).

AltGR conçoit une suite d’outils ETL de nettoyage, mise en forme, et calcul de distance entre données structurées et non structurées. La réconciliation des informations permet une réidentification (77%) et un dédoublonnage des noms d’entreprise.

Une néo-banque souhaite réaliser une segmentation commerciale de sa clientèle à partir de la liste de leurs opérations bancaires. Le comportement des 300000 clients sur deux ans est modélisé et analysé avec une approche de transport optimal en classification non supervisée.

AltGR conçoit l’ensemble des routines de calcul : segmentation, recherche de motifs réguliers et comportements aberrants.

Un acteur de l’information légale et financière doit mettre à jour sa base de connaissances. Elle comprend 1.9 millions de documents présentant une faible structuration et une mise en forme aléatoire. Le programme doit extraire des informations textuelles et chiffrées, en fonction du contexte local.

AltGR conçoit un ensemble de routines ETL (extract, transform, load) d'identification et de récupération systématique de contenu.

La Haute Autorité pour la Transparence de la Vie Publique (HATVP) doit décider si les déclarations d’intérêts remplies par les 16000 lobbyistes sont suffisamment explicites. La faible profondeur de la base de connaissances limite les possibilités de traitement statistique.

AltGR conçoit et implémente un outil informatique de qualification, avec une approche hybride mêlant traitement statistique, NLP et règles métiers. Les performances de détection obtenues sur les 6000 exemples sont satisfaisantes (>90%).

La Bibliothèque nationale de France (BNF) propose le service retronews. Il permet de consulter la presse française de 1631 à nos jours, soit 8 millions d’articles pour 300 journaux. La base de données contient 900 Go de texte libre : titres, articles, petites annonces, publicités etc.

AltGR conçoit des routines d’accès et d’exploration de cette base unique au monde, et propose des pistes de valorisation.

Un service en ligne utilise neuf moteurs de prédiction, basés sur des traitements de données complémentaires. Ces moteurs ont des performances et couvertures très diverses. Sont-ils redondants ? Lesquels doit-on prioriser ?

AltGR conçoit les outils d’évaluation des performances, à partir de l’étude comparée des performances des moteurs sur 17 millions de points, soit trois années d’historique.

Une startup souhaite concevoir et développer un outil SaaS d’orientation des lycéens, étudiants et jeunes diplômés. Un moteur de recommandation doit fournir des parcours de formations adaptés pour chaque utilisateur, pour un total de 500 métiers, 8000 établissements, 15000 formations. Les méthodes classiques de traitement du langage sont utilisées, en s’appuyant sur des approches statistiques de recherche de mot-clés (via TF-IDF) et un regroupement par ontologie.

AltGR constitue la base de connaissances à partir de bases de données libres, majoritairement non structurées, et conçoit le moteur avec une approche par règles métiers.

Les équipes internes en charge du traitement et de l’analyse de données ont parfois besoin de mises à jour concernant les outils et méthodes utilisés en data science. Les compétences visées sont habituellement l’utilisation des techniques d’apprentissage automatique appliquées aux données massives ainsi que la modélisation de problème et leur résolution à partir des données disponibles.

AltGR sert de référent technique et anime des sessions de formation internes autour de la science des données. Cette formation peut prendre la forme d’un accompagnement technique et méthodologique.