Data Science & Analytics
Plongez au cœur de vos données
Tirez parti de tout le potentiel de vos données
EXPLORATION
Valorisez vos données
Nous apportons un nouvel éclairage à vos problèmes stratégiques en évaluant la qualité et le potentiel de vos données et en révisant les processus existants
INTELLIGENCE
Révélez le pouvoir de la Data Science
Nous concevons, développons et déployons des algorithmes et des outils d’apprentissage automatique pour rendre vos opérations plus intelligentes
DECISION
Prenez de meilleures décisions plus rapidement
Nous vous aidons à tirer profit de vos données et à optimiser les performances de votre entreprise en vous appuyant sur une solide connaissance industrielle
Nous construisons des solutions complètes répondant aux besoins de nos clients et les intégrons dans leur cadre technologique avec une transparence totale dans les composants, les services et le code.
data stories
Artelys est un contributeur clé au développement de GridOptions, le futur outil d’aide à la décision du GRT néerlandais TenneT concernant les actions correctives topologiques pour la gestion des congestions.
Artelys développe pour, et en partenariat avec le gestionnaire de réseau de distribution Groupe E, un outil de reconstruction de courbe de charge et de profils de consommation.
Haute Autorité de Santé française
Développement et déploiement d’un module de classification automatique de documents basé sur du NLP (Natural Language Processing ou Traitement Automatique du Langage) pour le compte de la Haute Autorité de Santé
Artelys développe pour le Ministère de l’Intérieur un outil de cartographie des données afin de renforcer sa gouvernance des données.
Amélioration de l’information voyageur à destination des usagers des lignes de bus de l’agglomération parisienne : Artelys démontre l’apport des méthodes d’intelligence artificielle pour produire des horaires estimés d’arrivée des bus à leurs arrêts à la fois plus précis et stables.
La structuration d’une base de donnée routière territoriale combinée à l’Intelligence Artificielle permet de cibler les actions de prévention des accidents de la route dans le département du Loiret.
Artelys et l’ANAP ont noué un partenariat de 3 ans afin de faire bénéficier le monde de la santé des dernières avancées technologiques autour de la Data Science.
L’initiative MMT (Man Machine Teaming) explore la possibilité de développer un système aérien cognitif de combat.
Une IA au service du pilotage du réseau électrique : c’est le champ exploré par la compétition « Learn to Run a Power Network in a Sustainable World » lancée par RTE avec le soutien technique d’Artelys.
La Data Science et l’Intelligence Artificielle en appui de nombreux cas d’usage du secteur de la santé
Artelys accompagne depuis 3 ans l’ANAP dans l’exploitation pratique de techniques de Data Science. Son équipe d’experts intervient sur des cas d’usage métier allant d’analyse statistiques ou de prototype d’intelligence artificielle à la mise en place d’une stratégie interne d’acculturation aux outils du domaine et de développement agile.
Plusieurs cas d’usage ont été identifiés avec les experts métiers et ont donné lieu à différentes prestations :
- Intégration d’un module de prévision du taux d’occupation des lits au sein d’un outil existant.
- Segmentation des utilisateurs des ressources Web de l’ANAP suivant des indicateurs liés à leur profil d’utilisation. Des méthodes d’analyse statistique et de clustering (K-means) ont été mises en œuvre pour dresser une liste exhaustive de portraits d’utilisateurs.
- Analyse de l'(in)adéquation entre la demande des professionnels de santé et l’offre de l’ANAP proposée dans ses ressources Web. Des clusters d’intérêt ont été mis en évidence par une méthode de segmentation (classification ascendante hiérarchique) pour interroger la pertinence de la structure de l’offre de l’ANAP et formuler des recommandations.
- Etat des lieux du patrimoine immobilier des établissements médico-sociaux et création d’indicateurs de performance (par territoire, par vocation, etc).
- Outil web d’exploration thématique (Text Mining) de publications Twitter en rapport avec les enjeux de la santé.
- Mise en évidence de thèmes connexes populaires via des méthodes de Natural Language Processing (NLP).
Une relation homme-machine élargie et repensée grâce aux techniques d’intelligence artificielle
MMT a été lancée et financée par la Direction générale de l’armement (DGA). Elle est animée par Dassault Aviation et Thales. Artelys figure dans l’écosystème de start-up, PME et organismes de recherche partenaires de l’initiative.
Informations officielles : https://man-machine-teaming.com/
Rassembler des données éparses pour comprendre et agir pour la sécurité routière
Le Département du Loiret est un des partenaires du projet européen INTERREG NWE BE-GOOD et porteur du défi « SAFER ROADS » dont le but est d’apporter des éléments de décision afin d’améliorer la sécurité routière grâce à un traitement intelligent des données d’accidentologie. Les objectifs sous-jacents sont entre autres la meilleure compréhension de l’occurrence d’accidents, le ciblage d’actions de prévention, l’information temps réel.
Un des grands enjeux d’une telle démarche est de rendre la donnée exploitable, tout en misant sur des sources de données hétérogènes et détenues par des acteurs variés du secteur routier.
Artelys a mis en place des ateliers de travail dans lesquels plusieurs acteurs de la mobilité ont collaboré pour mettre en commun leurs données et spécifier leurs besoins de manière concertée : services publics du département (SIG, Observatoire de la Route, Gestion des infrastructures), forces de l’ordre (Gendarmerie Nationale), pompiers (SDIS), assureurs et assisteurs (Mondial Assistance, Thelem) et services de navigation (Waze, Coyote).
Une plateforme web a été développée et mise à disposition des pouvoirs publics, des parties prenantes du projet mais aussi du citoyen. Elle contient:
- Un entrepôt de données sur-mesure où les différentes sources sont harmonisées et l’information sur les accidents et le contexte de circulation sont directement exploitables (par des requêtes ou des visualisations sous forme de tableaux de bord).
- Plus de 24 000 accidents matériels et corporels répertoriés sur les 10 dernières années, localisés sur la voirie et complétés par des données d’infrastructure routière ou de contexte.
- 8 tableaux de bords thématiques qui interrogent l’influence de multiples variables sur les accidents (infrastructure, vitesse réglementaire ou pratiquée, trafic, saisonnalité, météo, configuration de l’accident, facteurs accidentogènes comme l’alcool ou l’usure des pneus).
- Un algorithme de prédiction qui évalue, sur une carte de voirie, le niveau de risque d’accident matériel et corporel pour un contexte futur donné. Cet algorithme, en cours de développement, se base sur des méthodes de machine learning supervisé à base d’arbres de décision.
- Une segmentation des accidents par un algorithme de clustering permettant de faire émerger des portraits-types.
Développer une intelligence artificielle au service du pilotage du réseau électrique
Dans la compétition « Learn to Run a Power Network in a Sustainable World », les IA développées par la communauté doivent faire face à des scénarios qui reflètent les problématiques réelles auxquelles se confrontent les gestionnaires de réseau de transport d’électricité.
Les algorithmes doivent apprendre une politique de gestion des bus électriques la plus robuste possible face aux aléas : pics de consommation, production intermittente des énergies renouvelables, maintenance des centrales, défaillance, mais aussi cyberattaques causant la déconnexion de lignes. Les technologies de machine learning et en particulier d’apprentissage par renforcement sont pensées précisément pour parcourir un vaste espace d’actions possibles en espérant converger vers une politique d’action optimale.
Artelys a contribué à plusieurs niveaux de cette compétition, tout au long de sa durée de vie, en développant plusieurs packages Python disponibles en open source.
- Grid2viz – Une IHM fluide et complète pour analyser le comportement des agents d’apprentissage par renforcement, sous forme d’application web Dash.
- Chronix2Grid – Un module permettant, grâce à un processus statistique et un algorithme d’optimisation, de générer des chroniques réalistes de production (solaire, éolienne, hydraulique, nucléaire et thermique) , ainsi que de consommation qui soient cohérentes avec les flux physiques possibles sur un réseau donné. Cette génération est calibrée depuis des indicateurs estimés sur des données réelles.
- ExpertOp4Grid – Un agent dit « expert » qui identifie des topologies de réseau intéressantes grâce à la simulation et sur la base de concepts métiers.
- Oracle4Grid – Un agent dit « oracle » qui identifie la meilleure trajectoire en connaissant d’avance le futur. Pour cela, il simule massivement toutes les trajectoires d’actions possibles et retrouve a posteriori le meilleur chemin d’action maximisant la récompense.
Consulter la compétition sur la plateforme Codalab
La Data Science et l’Intelligence Artificielle pour l’amélioration du service fourni aux voyageurs de la RATP
Artelys a exploré pour le compte de la RATP différentes approches pour l’amélioration de la prévision court-terme d’arrivée de bus à leurs arrêts. D’une part l’optimisation du paramétrage du modèle actuel, d’autre part l’exploration de méthodes innovantes faisant appel à des modèles de Machine Learning à l’état de l’art.
Pouvoir proposer une estimation la plus fiable possible des prochains temps de passage pour ses bus est un levier majeur pour la RATP afin de proposer une expérience optimale aux usagers de ses lignes de bus. Cette prévision, par essence de court terme, est rendue difficile par de nombreux paramètres. Certains sont structurels tels que le nombre d’intersection, la distance entre arrêts, le jour, l’heure et/ou la semaine de passage, d’autres contextuels et devant faire l’objet de mises à jour en temps réel, tels que le trafic routier et les conditions climatiques.
Outre l’amélioration du système actuel de la RATP par l’optimisation de l’algorithme en place, l’utilisation de modèles de Machine Learning prédictifs a été étudiée. A cette fin, Artelys a procédé à :
- Une revue de l’état de l’art des méthodes appliquées à la prévision court-terme d’arrivée de bus
- La construction de jeux de données pour l’apprentissage des modèles : à partir notamment des logs systèmes de la RATP et de données exogènes telles que la pluviométrie et la température
- Une implémentation des différents modèles d’IA pertinents: régression linéaire, régression locale (pour inclure des effets non linéaires localement), Gradient Boosting, Random Forest, KNN etc.
A l’issue de cette étude, Artelys a pu identifier qu’une mixture d’un modèle de régression linéaire avec un modèle Random Forest apportait une amélioration importante de la performance, comparé au modèle actuellement utilisé, que ce soit dans la précision des horaires estimées d’arrivée des bus mais également en termes de stabilité des affichages fournis aux usagers.
Les modèles d’intelligence artificielle constituent donc un levier pertinent pour améliorer de façon considérable le service d’information voyageur fournis aux usagers de la RATP. L’industrialisation des algorithmes développés par Artelys doit désormais être intégrée à la roadmap de développement pour les rendre disponibles au moment de la mise en concurrence des opérateurs de bus dans la capitale française.
Un outil de centralisation de l’information
Le ministère de l’intérieur a souhaité renforcer la gouvernance de ses données en s’équipant d’une solution de catalogage des jeux de données disponibles en son sein afin de mieux les valoriser et notamment d’accélérer les initiatives projets autour de la data.
Artelys développe avec le ministère de l’intérieur un outil web de cartographie des jeux de données disponibles à destination de tous les membres du ministère. Basé sur les technologies Flask, React et Elasticsearch, il permet de centraliser la connaissance de l’information jusque-là dispersée dans les différentes directions métiers.
Au travers de cet outil, les utilisateurs peuvent explorer (rechercher, trier, filtrer) puis comparer les différentes sources de données référencées au sein du ministère. L’application de cartographie propose ainsi une vitrine de données disponibles, facilitant le lancement de nouveaux projets et la réutilisation de données existantes déjà consolidées. Outre ces fonctionnalités de recherche, l’outil intègre également des fonctions d’administration avec gestion des droits d’accès par périmètre de données. Chaque périmètre possédant un responsable, le suivi de la pertinence des informations en est alors facilité.
Des évolutions sur le moteur de recherche sont en cours de développement. Elles exploiteront des méthodes de Natural Language Processing. En effet, ces évolutions prennent en compte la gestion des champs sémantiques et des nomenclatures métiers. De plus les fautes d’orthographe et de frappes seront automatiquement corrigées lors des recherches.
Le ministère de l’intérieur et Artelys ont rendu le code open source, s’engageant ainsi sur la transparence de l’outil et permettant sa réutilisation par toutes les institutions publiques qui le souhaiteraient. Il est disponible à l’adresse suivante : https://github.com/dnum-mi/cartographie-donnees
Développement et déploiement d’un module de classification automatique de documents basé sur du NLP ( Natural Language processing ou Traitement Automatique du Langage) pour le compte de la Haute Autorité de Santé
Un des rôles de la HAS est de mesurer et d’améliorer la qualité des soins et la sécurité des patients au sein d’établissements de santé et en médecine de ville. Afin de tenir ce rôle, la HAS est chargée de réaliser un suivi national des Evènements Indésirables Graves Associés aux Soins (EIGS). L’enjeu associé au traitement des EIGS est central, leur analyse permettant de mieux comprendre leur origine et d’éviter qu’ils se reproduisent. Artelys est ainsi intervenu au sein de l’équipe data de la HAS, chargée de l’exploitation des données, afin d’assurer la montée en charge des outils permettant de réaliser le bilan annuel des analyses d’EIGS.
L’augmentation anticipée du nombre d’EIGS dans les prochaines années pousse aujourd’hui la HAS à refondre son processus de traitement afin de pouvoir renforcer son automatisation. Artelys a ainsi été impliquée dans l’automatisation et l’amélioration des différents outils utilisés par la HAS, permettant à terme de réorienter les activités des experts vers des tâches à forte plus-value.
Dans un premier temps, Artelys est intervenue pour robustifier les différentes étapes de prétraitement permettant l’analyse des EIGS : les outils existants codés en SAS ont été retranscrits en Python, les équipes métiers accompagnées dans leur prise en main, et l’ensemble du système déployé et automatisé. Dans un second temps, faisant suite à une campagne d’annotation de données, une approche basée sur le NLP a été étudiée afin de produire une classification des EIGS de manière automatique. Différents modèles ont été testés, dont des modèles Transformers à l’état de l’art, permettant d’égaler les performances du système actuel basé sur des règles métiers et l’analyse manuelle d’experts.
Artelys a finalement accompagné la HAS afin de tendre vers une plus grande automatisation du traitement des EIGS. Différents scénarios ont été proposés, avec une redéfinition de l’intervention des experts. Dans l’un des scénarios, seules les classifications les moins fiables du modèle de NLP sont soumises à l’avis de l’expert. Cette approche « human in the loop » a un double intérêt : elle permet de s’assurer de la qualité des prédictions proposées par le modèle mais également d’alimenter la base de données annotées. Cette perspective permet ainsi à la HAS de poursuivre les travaux afin d’améliorer le modèle de classification.
L’intervention d’Artelys a ainsi permis de proposer une approche innovante pour la classification des EIGS et de robustifier le système opérationnel déjà en place. Les différentes perspectives d’utilisation proposées permettront à la HAS dans le futur, et par elle-même, de modifier les modalités d’intervention des experts dans le traitement des EIGS.
Développement d’un outil de reconstruction de courbes de charge et de profils de consommation pour un Gestionnaire de Réseau de Distribution (GRT)
En 2022, la puissance installée des installations solaires en Suisse a augmenté de près de 30% par rapport à l’année 2021. Cette croissance d’électricité solaire impacte les réseaux électriques auxquels sont raccordés ces installations photovoltaïques. On observe notamment de nombreux épisodes de refoulement d’énergie sur les réseaux de distribution, pour lesquels absorber ces flux d’électricité représente un réel défi. La connaissance fine des courbes de charge sur le réseau est un atout majeur pour les processus de prise de décision pour intégrer ces nouvelles productions variables.
Dans le cadre de ses opérations de développement et de maintenance de réseau, Artelys accompagne le gestionnaire de réseau de distribution d’électricité suisse Groupe E dans le développement d’algorithmes visant à reconstituer et modéliser les courbes de charges à différents niveaux clés du réseau.
Artelys a développé une méthodologie en 3 étapes :
Identification des épisodes de refoulement et reconstitution de la courbe de charge à l’aide de modèles de consommation et de production : pour cela, plusieurs implémentations ont été réalisées, basées sur une optimisation de bilans d’énergie entre les départs moyenne et basse tension. Catégorisation de la base client de Groupe E à partir de leurs informations : pour robustifier la catégorisation, un contrôle de cohérence des catégories et une stratégie de traitement des valeurs manquantes ont été mis en place. Calcul de profil clients par catégorie et par désagrégation de la courbe de charge de la consommation agrégée : pour le calcul des profils clients, des modèles de la littérature ont servi de base à une recalibration de coefficients à partir des données mesurées sur le réseau de Groupe E.
La prestation consiste à proposer une désagrégation de la courbe de charge, par départ moyenne tension et décomposée par typologies de clients (consommateurs et producteurs) cohérente avec la charge mesurée au niveau des postes sources.
Développement d’un outil d’aide à la décision sur les actions correctives topologiques pour la gestion de la congestion pour le GRT néerlandais TenneT
Le projet pilote se concentre sur la région de Groningen-Drenthe, dans le nord-est du pays, qui se caractérise par une forte pénétration de l’énergie solaire et une faible consommation, ce qui entraîne des problèmes de congestion récurrents.
L’outil GridOptions fournit des informations sur les stratégies journalières pour prévenir ou limiter ces épisodes de congestion. L’approche pour construire ces stratégies peut être résumée comme un algorithme de programmation dynamique combiné avec des heuristiques. Dans un premier temps, les flux de charge sont calculés pour une large sélection de topologies de réseau, en utilisant les prévisions de charge et de production d’électricité. Cette liste de topologies est réduite grâce à une heuristique privilégiant les topologies ayant la plus longue période sans congestion. Enfin, un graphe de décision séquentiel des états du réseau est construit et des stratégies en sont dérivées à l’aide de l’algorithme de Dijkstra.
Capacité du réseau aux Pays-Bas avec congestion du côté de la demande (à gauche) et du côté de l’injection (à droite). La demande limite les nouvelles entreprises et la construction de logements, tandis que l’injection limite principalement les initiatives solaires et éoliennes. Source.
exploration
EXPERTISE INFORMATIQUE
Des données brutes à la bonne architecture
Artelys s’appuie sur son métier d’éditeur logiciel et sur les compétences de ses experts en informatique pour créer les bases solides de votre projet.
Visualisation
Des visualisations intelligentes pour donner vie aux données
Avec des représentations adaptées à vos données, Artelys fournit rapidement un premier aperçu de votre jeu de données dans son ensemble, tout en façonnant les solutions de modélisation envisageables.
Gouvernance des données
Collecte, organisation et préparation des données
La qualité des données est la clé du succès de votre projet. Artelys consolide vos données afin de constituer le jeu de données le plus robuste possible.
Open Data
Les données sont là, il vous suffit de savoir comment les trouver
Artelys possède une grande expérience dans l’exploitation de bases de données et de plateformes publiques, aidant les acteurs privés et publics à exploiter le potentiel de ces nouvelles données.
intelligence
Recherche & Développement
20% de notre activité est dédiée à la R&D
Artelys est fortement impliqué dans la R&D, explorant et expérimentant les techniques et les outils Big Data pour fournir à ses clients des solutions de pointe.
intelligence
Recherche & Développement
20% de notre activité est dédiée à la R&D
Artelys est fortement impliqué dans la R&D, explorant et expérimentant les techniques et les outils Big Data pour fournir à ses clients des solutions de pointe.
Prévisions
Modélisation et projection de séries temporelles
Nous offrons à nos clients une meilleure compréhension des tendances, des saisonnalités et des changements de régime de leur activité, ainsi qu’un large éventail de modèles et d’outils efficaces.
Machine learning
Mise en œuvre des dernières méthodes d’IA
Nos informaticiens conçoivent, développent et déploient des algorithmes et des outils d’apprentissage automatique qui rendent vos produits et vos opérations plus intelligents.
Calcul numérique
La puissance de l’optimisation pour améliorer la Data Science
La combinaison de la Data Science et de l’optimisation offre des perspectives étendues en termes de précision et de robustesse pour la résolution des problèmes métier.
décision
VOTRE PARTENAIRE D’INNOVATION
Votre stratégie de données nécessite un partenaire qui comprend votre entreprise
Notre expérience dans les secteurs industriels, de l’énergie, des transports ou du marketing, combinée à notre connaissance métier des problématiques de votre entreprise, permet une collaboration plus riche et la livraison de la solution la mieux adaptée.
Reporting
Faire de la visualisation un outil métier utilisable par vos équipes
Grâce à des cartes, des graphiques et des simulations, nos interfaces graphiques ad-hoc aident à objectiver vos décisions sur une base quantitative.
Simulation et gestion des risques
Soyez prêt pour faire face à toutes les possibilités
Nous fournissons à nos clients des simulations «What-if» et des simulations de Monte Carlo, ainsi que les dernières techniques de prévision probabiliste.
nos services
Onboarding IA
Les enjeux de l’Intelligence Artificielle (IA) revêtent aujourd’hui une importance stratégique pour les entreprises et ce quel que soit leur domaine d’activité ou leur taille. En tant qu’expert du domaine, Artelys propose de vous accompagner du cadrage à la mise en place de votre première solution IA, en coconstruisant avec vos équipes une feuille de route sur mesure pour vos métiers.
Etudes et preuves de concept
Fort de plus de 20 ans d’expérience, Artelys met son expertise métier, scientifique et technique à votre service afin de vous accompagner pour exploiter vos données et résoudre vos problèmes les plus complexes en s’appuyant sur des techniques de pointe dans le domaine de l’intelligence artificielle (Machine Learning, NLP, Computer Vision, etc.).
Solutions opérationnelles
Artelys facilite l’intégration des cas d’usage d’IA dans vos équipes métiers en proposant le déploiement d’applicatif SaaS complet. De l’ingestion et du traitement des données à la production d’interfaces graphiques dynamiques en passant par le développement de cœurs de calcul développés sur mesure, cette solution permet de valoriser la donnée de votre équipe métier par l’IA.
Formations
Les formations Artelys vous permettront d’acquérir ou de mettre à jour la maîtrise des outils théoriques et pratiques de pointe dans le domaine de la Data Science.
ils nous font confiance
