Études de cas

Travaux sélectionnés, en production.

Une décennie de projets en IA, data et ingénierie logicielle. Quelques-uns dont nous pouvons parler — beaucoup d'autres sous NDA.

Intelligence de trading adaptative pour un hedge fund londonien — Développement IA transformation visualAvantAprès
Développement IA · 2024

Intelligence de trading adaptative pour un hedge fund londonien

+18 % Sharpe
Défi

La performance de la stack de signaux plafonnait. Le desk avait besoin de combiner des données alternatives sans surapprendre les régimes récents.

Solution

Nous avons construit un pipeline de signaux modulaire avec ensembling sensible au régime, validation walk-forward et un portail de recherche permettant aux analystes de tester en sécurité.

Résultat

Hausse de 18 % du ratio de Sharpe sur le book live. Cycle recherche-vers-production passé de semaines à jours.

Détection de défauts temps réel sur une ligne de batteries VE — Vision par ordinateur transformation visualAvantAprès
Vision par ordinateur · 2024

Détection de défauts temps réel sur une ligne de batteries VE

99,2 % de rappel
Défi

Des défauts au niveau cellule échappaient à un système de vision à règles, coûtant cher en garanties et rappels.

Solution

Système de vision multi-caméras sur GPU en bord, entraîné sur des données annotées avec apprentissage actif pour capturer la longue traîne des défauts rares.

Résultat

99,2 % de rappel à moins de 100 ms d'inférence. Taux d'évasion divisé par 12, avec revue humaine basée sur la confiance pour les cas limites.

Graphe de décision clinique pour un fournisseur de santé national — Systèmes de connaissance transformation visualAvantAprès
Systèmes de connaissance · 2023

Graphe de décision clinique pour un fournisseur de santé national

−35 % temps de diagnostic
Défi

Les cliniciens parcouraient des dizaines de documents de recommandations par cas. Le temps jusqu'au diagnostic variait fortement selon la région.

Solution

Un graphe de connaissance clinique reliant symptômes, conditions, recommandations et protocoles locaux, exposé dans le DPI existant via une fine couche assistant.

Résultat

Réduction de 35 % du temps de diagnostic sur les parcours suivis. Satisfaction des cliniciens en hausse sur tous les sites pilotes.

Lakehouse à l'échelle du pétaoctet pour un opérateur télécom — Big Data transformation visualAvantAprès
Big Data · 2023

Lakehouse à l'échelle du pétaoctet pour un opérateur télécom

8× la vitesse de requête
Défi

Les données réseau et clients étaient enfermées dans des entrepôts déconnectés. Les équipes attendaient des heures pour des requêtes qui devraient prendre des minutes.

Solution

Un lakehouse unifié sur Delta avec ingestion en streaming, modélisation sémantique en dbt et accès BI via une couche servie gouvernée.

Résultat

Vitesse médiane de requête multipliée par 8. Trois entrepôts hérités décommissionnés. Coût annuel de plateforme baissé d'un tiers.

Plateforme de sentiment multilingue pour le retail mondial — NLP transformation visualAvantAprès
NLP · 2022

Plateforme de sentiment multilingue pour le retail mondial

12 langues
Défi

Le sentiment marque et produit était suivi manuellement par région. L'équipe n'avait aucune vision cohérente de la performance des lancements à l'international.

Solution

Pipeline de sentiment multilingue couvrant douze langues, avec clustering thématique et console de revue pour les cas ambigus.

Résultat

Tableaux de bord de sentiment global temps réel pour la direction marketing. Délai de détection des incidents passé de jours à heures.

Document AI pour une archive du secteur public — Traitement d'images transformation visualAvantAprès
Traitement d'images · 2022

Document AI pour une archive du secteur public

12 M docs / mois
Défi

Une archive nationale devait numériser et classer des dossiers papier hérités — y compris manuscrits, multilingues et mal scannés.

Solution

Pipeline document AI multi-étapes combinant OCR, analyse de mise en page, classification et un outil de revue humaine pour les pages peu sûres.

Résultat

12 millions de documents traités par mois. Accès public au catalogue avec des années d'avance sur le calendrier initial.

Sous NDA

Il y a plus que nous ne pouvons pas montrer publiquement.

L'essentiel de nos travaux en finance, santé et secteur public est sous NDA. Parlez-nous de votre problème et nous partagerons les références pertinentes lors d'un appel.

FAQ

Questions sur les études de cas, répondues.

06 · Questions

01

Pouvons-nous obtenir des références dans notre secteur ?

+

Oui — une fois votre problème compris et les NDA mutuels signés, nous organisons un appel avec un client comparable lorsque c'est possible. L'essentiel de nos travaux finance, santé et secteur public reste privé.

02

Les chiffres affichés sont-ils vérifiés indépendamment ?

+

Tous les chiffres viennent de mesures côté client validées en clôture de projet — la plupart ont été revus par l'équipe data ou analytics du client. Nous ne publions pas de chiffres auto-déclarés.

03

Pourquoi la plupart des projets sont-ils sous NDA ?

+

Nous travaillons dans des secteurs régulés et compétitifs où l'existence même d'une capacité IA est une information sensible. Les NDA protègent à la fois le client et nos autres clients sur le même marché.

04

Quelle est la durée d'engagement typique pour ces projets ?

+

La découverte dure deux semaines. Les phases de build ont duré entre 3 et 9 mois selon le périmètre. La plupart de ces projets se poursuivent aujourd'hui en retainer ou en escouade embarquée.

05

Les projets continuent-ils après le lancement ?

+

Le plus souvent, oui. Nous passons le système en retainer géré avec SLA, astreinte et revues trimestrielles, ou nous le remettons proprement à l'équipe interne avec une documentation complète et un plan de transition.

06

Pouvez-vous construire quelque chose de similaire pour nous ?

+

Presque toujours. Les schémas sous-jacents — vision QA, document AI, analyses prédictives, graphes de connaissance — se généralisent entre secteurs. Le travail est dans l'adaptation : vos données, vos contraintes, vos outils.