Notre client est une startup qui travaille sur l'optimisation de l'approvisionnement des commerces. Afin de l'aider dans cette tâche, nous avons coopéré afin de réaliser un système permettant de prédire avec une grande fiabilité la fréquentation d'un magasin à partir de relevés effectués dans le commerce, mais aussi grâce à de nombreuses données disponibles en Open Data (météo, fréquentation des transports...)

Pour ses activités, notre client souhaite suivre le prix des différentes énergies dans différents pays répartis à travers le monde. À partir de sources variées trouvées sur le net (documents word, pdf, images, graphiques), un système d'automatisation sur mesure pour la récupération de ces données a été mis en place. Il a permis de déterminer les données sur les 5 dernières années et continuera de fonctionner pour les année à venir en autonomie.

Afin de d'optimiser le traitement des plaintes dans ses logements, un gestionnaire de parc immobilier souhaite pouvoir anticiper les sinistres auxquels qui se produisent régulièrement étant donné la quantité de biens dont il a la charge. A partir d'une base de données brutes constituées de plaintes écrites des sinistrés, un algorithme utilisant des technologies poussées de NLP (Natural Language Processing) a été développé afin de d'analyser chaque plainte afin d'en extraire les informations utiles. Cela nous a permis de fournir au client de nombreuses informations statistiques d'anticiper sur l'apparition de sinistres et l'optimisation de la gestion de son parc immobilier.