Transport & Logistique · Opérateur logistique régional — Flotte de 200+ véhicules, 14 entrepôts
De données fragmentées à une couche de décision en temps réel
Comment nous avons construit une couche d'intelligence opérationnelle agrégeant 7 sources de données et convertissant les signaux en décisions prêtes à l'emploi — réduisant le temps de résolution des incidents de 42 %.
8 min read
Problem
What we built
Outcome
Architectural decisions
Architecture événementielle plutôt que traitement par lots
Les rapports batch arrivaient avec 4 à 8 heures de retard — nous avons migré vers Kafka + streaming pour que chaque signal soit disponible en quelques secondes.
Feature Store ML centralisé
Au lieu de construire des modèles séparés pour chaque système, nous avons construit un Feature Store partagé entre tous les modèles — réduisant le temps d'entraînement de nouveaux modèles de semaines à jours.
IA explicable comme standard non négociable
Les managers terrain ne feront pas confiance à une décision dont ils ne comprennent pas la raison. Chaque recommandation est accompagnée d'un 'pourquoi' en langage naturel — pas seulement un score de probabilité.
Technical challenges
7 systèmes avec 7 schémas différents et aucun standard commun
Nous avons construit une couche de Canonical Data Model qui traduit chaque système vers un modèle unifié — avec des connecteurs extensibles pour tout nouveau système sans toucher au cœur.
Les modèles ML perdant leur précision après des changements saisonniers dans les modèles opérationnels
Nous avons déployé un système de détection de dérive qui surveille la dérive du modèle et se réentraîne automatiquement quand la précision franchit un seuil — sans intervention manuelle.
Architecture
Results
Temps de résolution des incidents réduit
Sources de données unifiées
Précision de prédiction des retards
Latence données → décision
“Pour la première fois, notre manager terrain sait ce qui va se passer avant que ça arrive. Ce n'était pas juste un système — c'était un changement dans la façon de penser de l'équipe.”
Representative quote for discussion — composite scenario, not a named client endorsement unless stated otherwise.
These case studies are illustrative summaries for discussion. They are not guarantees of results for your organization unless confirmed in a separate agreement.