Je conçois des systèmes,je construis des produits,et je rends la technologiecompréhensible.

Transformer l'expérience vécue en une cartographie lisible

Problème

L'entretien d'explicitation fonctionne. La technique amène la personne à décrire ce qu'elle a réellement fait, et non ce qu'elle pense devoir dire. Encore fallait-il un expert formé pour le mener : une heure à une heure et demie d'échange, puis cinq à six heures de travail expert pour en tirer une cartographie formelle des compétences. La méthode restait donc hors de portée de celles et ceux qui en avaient le plus besoin : les personnes en reconversion, les chercheurs d'emploi, et les conseillers qui les accompagnent à grande échelle.

Rôle

CTO & ingénieur principal

Décision

Entraîner un classifieur spécialisé plutôt que de prompter un modèle de pointe, après avoir démontré que ces modèles plafonnaient

Résultat

Un entretien accessible à tous, de 15 minutes à une heure au lieu de 90 minutes, qui produit une cartographie en cinq à six minutes au lieu de cinq à six heures. Sur trois vagues de tests auprès de 36 participants, tous ont estimé que l'entretien leur laissait assez de temps pour réfléchir, et ce sont les personnes sans aucune expérience des chatbots qui l'ont le plus recommandé. Le tout alimente deux produits issus d'une même base de code : yepa.solutions pour les particuliers, et yepa.expert, sur invitation pour les chercheurs, avec campagnes à code d'accès, répondants anonymes et analyse de groupe.

Prévoir un conteneur pour que les camions cessent d'aller vers des bacs vides

Problème

La prévision existante de KOCO était une régression linéaire adaptative : on fait la moyenne du taux de remplissage entre deux collectes et on extrapole. Ça marche, mais ça ne voit jamais que les données des jours de collecte, quelques points par semaine. L'entreprise voulait savoir si dix-huit mois de pesées éparses pouvaient soutenir quelque chose de meilleur.

Rôle

Ingénieur de recherche

Décision

Passer d'une résolution horaire à une résolution journalière, parce qu'à l'heure, 98% des données étaient une droite que j'avais tracée moi-même

Résultat

Prophet — la meilleure des cinq familles de modèles comparées — a ramené l'erreur absolue moyenne de 75,0 kg (le système en place) à 48,04 kg sur les jours de collecte réels, et le MAPE de 40,4% à 19,8%. Les deux partenaires ont noté le projet 1 sur 4 (très réussi) dans le rapport final à Innosuisse.

Lire l'actualité financière trois questions à la fois

Problème

Les outils d'analyse de sentiment financier existants se contentent souvent de qualifier un titre de « négatif ». Ils indiquent rarement pour qui, ni si la chose décrite a déjà eu lieu. Un même article peut être favorable pour une entreprise et préoccupant pour une autre, et mêler un événement de l'an dernier à une prévision pour le trimestre prochain. Réduire cette complexité à un score unique, c'est perdre l'essentiel du signal.

Rôle

Travail de master, auteur unique

Décision

Mettre les frontières des classes temporelles dans un fichier de configuration plutôt que dans les poids du modèle

Résultat

Noté 6 sur 6. Trois questions distinctes traitées pour chaque fragment de phrase, agrégées par entreprise et par fenêtre temporelle, avec des paires d'émotions nommées au lieu d'un vainqueur unique imposé.

Un robot que vous pilotez depuis votre canapé

Problème

L'idée vient d'un fleuriste, Adrien Hertig, qui avait remarqué que ses clients ne venaient plus en ville et commandaient en ligne, et s'est dit qu'il serait bien qu'un membre de son équipe puisse quand même leur faire visiter le magasin. Puis le COVID a fermé complètement les commerces. La question est devenue : un client à distance peut-il vraiment parcourir un vrai magasin depuis son téléphone, voir ce qu'il a envie de voir, et être servi par une personne ?

Rôle

Développeur principal et responsable technique

Décision

Renoncer au peer-to-peer et faire de notre serveur un vrai peer WebRTC des deux côtés, parce qu'il fallait voir les pixels

Résultat

Déployé dans trois commerces partenaires à Fribourg (un fleuriste, un magasin de meubles et une boutique de détente), avec une application mobile sur les deux stores et un floutage des visages en temps réel qui permettait au robot de circuler dans un magasin où il y a des clients.