Émilie C.

Projet de 7 jours : développement d'un POC de prédiction de fréquentation restauration à 15 jours utilisant une approche hybride Prophet + XGBoost, avec enrichissement multi-sources des données et validation statistique rigoureuse.

Problèmes résolus et objectifs atteints

Enrichissement de données complexe : Intégration de 5 sources externes (météo, géographiques, SIRENE, DVF, calendrier) pour 18 sites

Pipeline ML complet : Architecture modulaire preprocessing + modélisation + validation

Validation méthodologique : Backtesting sur 60 jours, comparaison modèles segmentés vs global

Analyse critique objective : Démonstration que les modèles ML n'égalent pas, dans l'ensemble, les prévisions des gestionnaires.

Pipeline Python preprocessing : nettoyage, encodage features, enrichissement calendaire

Intégration API OpenWeather avec gestion des prévisions 15 jours

Implémentation modèles Prophet (tendances, saisonnalités) et XGBoost (facteurs métier)

Scripts de validation avec métriques MAE/RMSE par site et globales

Géocodage et requêtes spatiales SIRENE (nombre restaurants dans rayons 1-3km)

Extraction données DVF pour prix immobilier par zone

Collecte données météorologiques historiques et prévisionnelles

Génération features calendaires (fériés, vacances, weekends)

Rapport de 15 pages avec analyses statistiques détaillées

Métriques comparatives ML vs humain sur 18 sites

Tables de couverture et variation des données par source

Recommandations d'amélioration avec identification des signaux faibles manquants

Export CSV prédictions 15 jours avec intervalles de confiance

Documentation méthodologique complète

Code source pipeline réutilisable

Analyse ROI et axes d'industrialisation

Résultat clé : Validation que l'approche nécessite plus de données et signaux internes pour égaler les performances humaines, avec roadmap technique pour la suite.

Pour BPI France : J'audite les startups qui demandent des financements publics

Pour vous : J'applique cette expertise à votre projet

Mes services: audit technique

→ Faisabilité, risques, maturité technologique

→ Benchmark concurrentiel

→ Plan de développement

Stratégie produit

→ Roadmap tech

→ Priorisation fonctionnalités

→ Go-to-market

IA • DeepTech • FinTech • GreenTech

Expertise technique complète

→ Scoring, reconnaissance de documents, labelling automatisé

→ De la conception au déploiement (APIs production)

→ Design, développement et évaluation de modèles IA

Accompagnement projet

→ Montage dossiers CIR

→ Conception interfaces web

→ Architecture système et gestion temps réel

Stack technique

→ Python : numpy, pandas, keras/tensorflow

→ Modèles prédictifs et algorithmes sur mesure

→ Analyse de données métier et optimisation process

Mise en production

→ Architecture de déploiement

→ Suivi performance modèles

→ Accompagnement équipes techniques

Secteurs : IA • DeepTech • FinTech • Banque •Courtage •Assurance