Time Series
Nous modélisons vos données chronologiques pour prédire le futur, détecter les anomalies et optimiser vos décisions critiques.
Nos cas clients
Meta-Labelling des décisions de trading
Description
Nous avons développé une application permettant aux utilisateurs d’uploader leurs positions de trading (achat/vente) sur différents actifs.
L’outil analyse les positions passées, identifie celles jugées inefficaces et met en lumière les facteurs de risque les plus influents (via une approche d’IA explicable utilisant notamment les SHAP values).
Avant de prendre une nouvelle position, l’utilisateur peut la meta-labelliser : il obtient un avis personnalisé basé sur l’historique, les patterns détectés et les signaux de risque.
Résultats
Aide à la décision personnalisée avant chaque prise de position
Identification automatique des erreurs récurrentes et des facteurs de risque sous-jacents
Application déployée et fonctionnelle sur plusieurs actifs et horizons temporels
Prédiction de KPIs E-commerce
Description
Développement d'un système prédictif pour anticiper les performances commerciales quotidiennes (clics, conversions) des produits e-commerce via une modélisation hiérarchique sur séries temporelles enrichies de variables exogènes.
Le système exploite l'historique des métriques produits et données contextuelles externes pour générer des prédictions granulaires. L'architecture hiérarchique capture les dépendances multi-niveaux (catégorie → produit) et réconcilie les prédictions individuelles avec les contraintes globales du catalogue.
Résultats
Amélioration de +20% de la précision prédictive sur les conversions J+1
Optimisation proactive de l'allocation budget publicitaire et des stocks
Pilotage data-driven des équipes commerciales avec des objectifs réalistes et calibrés
Détection d'anomalies
Description
Nous avons développé un système avancé de détection d’anomalies pour les marchés financiers, reposant sur l’analyse de séries temporelles à différentes granularités.
La solution combine plusieurs indicateurs de risque, dont un indicateur systémique basé sur des polymodèles non linéaires, ainsi que des signaux spécifiques à certains actifs ou facteurs de marché globaux.
Plutôt que de chercher à prédire l’avenir, l’approche se concentre sur la détection précoce de comportements atypiques et de ruptures dans les dynamiques habituelles, souvent plus fiables et utiles pour la gestion de risque.
Résultats
Mise en place d’un système d’alerte renforçant la gestion du risque
Analyse multi-échelles pour capter des signaux à court comme à long terme
Complémentarité avec les indicateurs classiques de performance et de volatilité