Le Challenge
1 —
Un modèle de détection basé sur un moteur de règles métiers complexe à maintenir et à ajuster
2 —
Une stack technique sophistiquée permettant de gérer de gros volumes de données en temps réel
Les Questions Clés
1 —
Comment faire en sorte que mes équipes métiers puissent travailler main dans la main avec des Data Scientists et Data Engineers ?
2 —
Comment intégrer des modèles d’IA avancés dans une architecture basée sur du temps réel ?
L'approche
1 —
Acculturation des équipes sur des sujets IA et sur un fonctionnement agile intégrant différents types de profil (métier, data, IT)
2 —
Récupération des données historiques constituant la base d’apprentissage du modèle
3 —
Analyses Data et Co-construction avec les équipes métiers des grandes variables influant sur la prédiction
4 —
Entrainement et finetunning du modèle sur les données historiques
5 —
Mesure de performance et backtest du modèle sur des périodes passées
6 —
Packaging du modèle et intégration au sein de la stack technique du client
Les Résultats
1 —
Une précision de la prédiction améliorée de 25% à rappel équivalent comparé au moteur de règles
2 —
Une construction d’un modèle IA en environ 15 semaines
3 —
Un outil de monitoring simple d’utilisation pour piloter le modèle de détection et suivre les performances à J+1
