Ce qu’on a fait
Modèle de détection d’anomalies sur fenêtres glissantes, calibré avec les mainteneurs. Intégration d’une alerte dans leur outil d’atelier, avec un score de criticité et un historique des 30 dernières minutes pour juger vite.
Projets
Quatre typologies anonymisées. Chiffres et noms d’organisations : sur demande, sous NDA. Ce ne sont pas des garanties pour votre contexte — la qualité des données décide beaucoup.
Un fabricant de pièces métalliques voyait trop d’arrêts « soudains » sur une ligne critique. Les capteurs existaient déjà (vibration, température, courant) mais les seuils fixes généraient des alertes inutiles — les équipes avaient arrêté de les lire.
Modèle de détection d’anomalies sur fenêtres glissantes, calibré avec les mainteneurs. Intégration d’une alerte dans leur outil d’atelier, avec un score de criticité et un historique des 30 dernières minutes pour juger vite.
Sur six mois de suivi post-déploiement, baisse nette des arrêts non planifiés sur la ligne pilote et, surtout, retour de la confiance dans les alertes (moins de « bruit »). Le modèle a été réentraîné deux fois après changement d’outillage.
Un centre d’imagerie faisait face à des pics de volume. L’objectif n’était pas de « diagnostiquer à la place du médecin », mais d’ordonner les dossiers pour que les cas urgents remontent plus tôt dans la file de relecture.
Données hébergées selon la politique du client. Modèle évalué avec sensibilité/spécificité sur un jeu annoté par des praticiens. Interface limitée à un score + motifs de suspicion — jamais un compte-rendu automatique signé.
Le plus long n’a pas été le réseau de neurones : ce sont les règles d’accès, le consensus d’annotation et le protocole de non-régression avant chaque mise à jour.
Plusieurs équipes labo travaillaient chacune dans son coin : formats hétérogènes, scripts non versionnés, résultats difficilement reproductibles. Besoin d’un socle commun sans brider les usages spécifiques.
Pipelines standardisés (ingestion → QC → analyses courantes), espaces projets isolés, documentation pour les ingénieurs bioinfo, et formation de deux référents internes. Les modèles « maison » des équipes restent possibles en modules greffés.
Des dizaines de documents PDF par semaine, champs toujours un peu différents. L’équipe passait plus de temps à recopier qu’à contrôler.
Extraction d’entités + règles métier + file de validation humaine pour les champs à fort enjeu (montants, dates d’effet). Export vers leur outil métier existant. Après trois mois, le temps moyen de traitement par dossier a nettement baissé — le contrôle qualité, lui, est resté humain.
Décrivez le contexte en quelques lignes. On vous dira si c’est dans notre périmètre — et si non, on vous l’écrira aussi.
Envoyer un contexte projet →