NOS USES CASES

Crisis Management Intelligence (CMI) Platform est un service innovant pour les entreprises du SBF 120, dédié à la gestion de crises majeures auxquelles elles peuvent être confrontées.
Ce service est basé sur l’utilisation de l’IA générative et plus de 20 000 crises
majeures d’entreprises répertoriées et documentées au niveau mondial.

Challenges

74 % des entreprises françaises ont été confrontées à au moins une crise majeure au cours des dernières années, et 40 % à plusieurs crises simultanées. Les causes sont multiples : digitalisation accélérée, exigences réglementaires, attentes sociétales, risques cyber, tensions RH, Incidents opérationnels, etc.

Dans ce contexte, la capacité à réagir vite et à s’appuyer sur l’expérience collective devient un avantage décisif.

Solutions

Crisis Management Intelligence (CMI) Platform s’appuie sur une analyse comparative automatisée, croisant les données issues de 20 000 crises passées pour identifier les facteurs clés de succès et d’échec. Au moyen de l’analyse de crises similaires (les crises jumelles), du contexte de leur survenue, des actions pertinentes ou erreurs ayant été commises (révélées à posteriori, avec le recul nécessaire), de l’impact à court, moyen et long terme sur l’entreprise, les risques sont identifiés et des recommandations circonstanciées sont proposées. Les dirigeants sont ainsi en mesure de mieux appréhender leurs prises de décisions (que communiquer ? quand communiquer ? en privilégiant quels médias et canaux ? qui doit prendre la parole ? etc.) en rationnalisant la décision par des retours d’expérience éprouvés et contextualisés. Sous 3 à 8 heures après le début de la crise, un rapport d’analyse des risques et de recommandations opérationnelles précises est produit, et ce, pour toute nature de crise : gouvernance, finances, éthique, réputation, ressources humaines, juridique, opérationnelle, cyberattaque, etc.

Bénéfices
  • Des recommandations documentées, circonstanciées et livrées en quelques heures:: rapport d’expert circonstancié, livré en 3 à 8 heures après la déclaration de la crise.

  • Pertinence et professionnalisme : des recommandations fondées sur l’analyse d’une base de plus de   20000 cas réels de crises majeures.

  • Objectivité : benchmark international, sans biais sectoriel ou géographique.

  • Confidentialité : traitement sécurisé et respect des normes RGPD.
 
 
Cette grande institution financière est le premier groupe de services financiers du Bénélux. 
Elle opère dans les métiers de banque de réseau et privé, de banque de financement et d’investissment, de banque en ligne et d’assurance.

Challenges

Dans le secteur bancaire, il est crucial de minimiser les risques de défaut de paiement. Cependant, les banques font face à des difficultés pour:

  • Identifier les conditions précises qui conduisent un emprunteur à un défaut de paiement.
  • Évaluer en temps réel les signaux précurseurs de risque.de défaut.
  • Personnaliser les politiques de crédit et d’accompagnement selon les profils dans le respect strict des réglementations en vigueur dans la communauté européenne.

Solutions
  • Collecte et structuration des données clients, des évènements personnels, des données de contexte économique, etc.
  • Modélisation et analyse prédictive grâce au développement de modèles d’IA supervisés
    (Random Forest, Gradient Boosting, Régressions logistiques et économétriques).
  • Identification des variables influençant le risque.
  • Visualisation et reporting via des tableaux de bord interactifs et des rapports détaillés pour affiner les politiques de crédit.

Bénéfices
  • Réduction des pertes financières grâce à l’anticipation des défauts de paiement et à des actions préventives.
  • Amélioration de la prise de décision avec des indicateurs précis pour ajuster les politiques de crédit.
  • Conformité réglementaire renforcée par un meilleur respect des exigences des régulateurs sur la gestion des risques.
  • Amélioration de la relation client avec des actions proactives pour aider les clients en difficulté et renforcer leur fidélité.
Multinationale, leader mondial dans les produits alimentaires et les boissons (café, lait infantile, chocolats, produits surgelés, etc.).

Challenges
  • Comprendre les habitudes de consommation des différentes catégories de CAFE sur l’ensemble des marchés où les études consommateurs quali/quanti étaient disponibles, c’est-à-dire les marchés européens et asiatiques.
  • Harmoniser l’ensemble des données hétérogènes provenant des différentes filiales et régions. Le challenge ne résidait pas uniquement dans la manipulation des données, mais aussi dans leur uniformisation, leur préparation et leur mise en valeur.

Solutions
  • Centralisation des données dans une base de données unique sur Azure Storage avec SQL.
  • Réalisation de modèles de prédiction de consommation par région, à l’aide des techniques de Machine Learning. 
  • Exploitation des  préférences individuelles et des informations sensorielles pour affiner les prédictions.

Bénéfices
  • Comprendre les attentes de chaque type de consommateur en matière d’attributs sensoriels associés au Café (goût, odeur, présentation).
  • Développer de nouveaux produits adaptés aux différents marchés du groupe.
Cette organisation intergouvernementale d’études économiques compte 38 membres, des pays développés pour la plupart. 
Elle se concentre sur la collaboration entre les gouvernements pour promouvoir des politiques publiques efficaces et inclusives à travers le monde. Elle joue un rôle clé dans la recherche, l’analyse et l’élaboration de solutions pour relever les défis socio-économiques globaux, tels que la réduction des inégalités, le développement durable et l’amélioration de l’accès aux services publics essentiels.

Challenges

Les systèmes judiciaires des pays de l’OCDE jouent un rôle clé dans la garantie de l’équité et de la justice sociale. Ils font cependant face à plusieurs défis majeurs :

  • Difficulté à mesurer et comparer l’efficacité des systèmes judiciaires des pays membres.
  • Manque d’homogénéité des données issues de sources internationales et gouvernementales.
  • Barrières spécifiques à l’accès à la justice pour les groupes minoritaires.
  • Sous-utilisation des nouvelles technologies.
  Solutions
  • Création d’une base de données socio-économique consolidée à partir de données d’institutions internationales (OMS, V-Dem), via R.
  • Nettoyage et structuration automatisés des données gouvernementales avec Excel et VBA.
  • Analyses descriptives avancées (ACP, Heatmaps) avec Python pour classifier les systèmes judiciaires.
  • Modélisations économétriques avec R et Python pour évaluer les indicateurs de performance des systèmes judiciaires.
  • Développement d’un modèle Random Forest pour identifier les principaux freins à l’accès à la justice.
  • Propositions stratégiques basées sur des données robustes pour améliorer les politiques publiques.

Bénéfices

  • Recommandations précises pour améliorer l’efficacité et l’équité des systèmes judiciaires.
  • Identification des déterminants socio-économiques des barrières d’accès à la justice.
  • Renforcement des politiques publiques grâce à des analyses basées sur les données.
  • Modernisation des services judiciaires via des technologies innovantes.
  • Impact direct sur les groupes vulnérables grâce à des systèmes plus inclusifs.
Cet organisme public Français dédié à la recherche et à l’innovation se concentre sur la transition énergétique et le développement durable, et propose des solutions dans les domaines des énergies renouvelables, de la mobilité, de l’efficacité énergétique et de la réduction des émissions de CO2. 
Challenges
  • Analyser et comprendre les comportements des utilisateurs de vélos en milieu urbain, afin de promouvoir une mobilité plus durable.
  • Uniformiser et traiter des données hétérogènes provenant de différentes sources, notamment des coordonnées géographiques et des relevés des Eco-Compteurs.
  • Optimiser les infrastructures cyclables en tenant compte des spécificités locales et des préférences des utilisateurs.

Solutions
  • Extraction et consolidation des données avec Python et requêtes SQL.
  • Modèles économétriques (Effet Fixe, Pooled OLS, Régressions à Effet Aléatoire) pour évaluer les variables influençant l’utilisation des vélos.
  • Mise à jour et optimisation des simulateurs de routes cyclables (Matsim) avec les données des Eco-Compteurs parisiens.

Bénéfices
  • Amélioration des infrastructures cyclables pour répondre aux besoins des usagers et encourager l’utilisation du vélo.
  • Réduction de l’empreinte carbone grâce à des infrastructures optimisées et adaptées.