Aller au contenu principal
Toulouse ·  missions en France et à l'international LinkedIn | FR/EN
Contactez-nous
← Retour à Intelligence artificielle Intelligence artificielle · Cas d'usage

IA avancée et R&D

Nous développons des modèles d'IA sur mesure pour résoudre vos défis scientifiques et stratégiques les plus complexes.

Nos cas clients

Des projets concrets, déployés pour nos clients.

Gender Pay Transparency : analyse et explicabilité des écarts de rémunération

Un outil pour analyser les écarts de rémunération entre femmes et hommes, de l'entreprise jusqu'à l'individu, dans le cadre des exigences européennes de transparence salariale et sous de fortes contraintes de confidentialité. Les données sont consolidées puis analysées à plusieurs niveaux (entité, grade, population comparable) : écarts bruts et modèles de Machine Learning distinguent ce que les caractéristiques disponibles expliquent de ce qui reste à investiguer ; les valeurs SHAP éclairent chaque situation, et les personnes exclues (données insuffisantes, qualité, groupes trop petits) sont identifiées et documentées.

Résultats
  • Identification des écarts de rémunération à l'échelle globale comme au niveau individuel
  • Distinction entre écarts expliqués par les données disponibles et situations nécessitant une investigation complémentaire
  • Analyse interprétable grâce aux valeurs SHAP, pour comprendre les principaux facteurs associés aux écarts observés
  • Traçabilité complète des données, des populations analysées et des individus exclus des modèles

Modélisation de l'affinité Protéine–Ligand par GNN

Un outil pour prédire l'affinité entre poches protéiques et ligands : chaque poche est représentée comme un graphe, dont sont extraits des descripteurs topologiques et géométriques ainsi que des embeddings GNN issus d'un autoencodeur de graphe. Ces informations, combinées aux descripteurs du ligand, entraînent des modèles de machine learning (Random Forest, XGBoost...) prédisant l'interaction.

Résultats
  • Intégration facile de nouveaux types de données (GNN, géométrie, chimie)
  • Structure modulaire facilitant l'expérimentation et l'optimisation
  • Cross-validation rigoureuse pour évaluer la robustesse des prédictions

Optimisation de portefeuilles financiers

Un système d'optimisation de portefeuilles crypto basé sur un large éventail de données (prix de marché, métriques on-chain, actualités, activité GitHub, whitepapers...), agrégées et analysées pour construire des portefeuilles dynamiques, automatiquement rebalancés chaque semaine.

Résultats
  • Portefeuilles plus robustes face à la volatilité du marché
  • Allocation dynamique selon les signaux fondamentaux et techniques
  • Système adaptable à plusieurs stratégies et horizons d'investissement

Détection précoce de talents sportifs par analyse EEG

Une solution utilisant l'électroencéphalographie pour analyser l'activité cérébrale de jeunes athlètes en situation de jeu, révélant des indicateurs clés (concentration, vitesse de réaction, prise de décision, gestion du stress) permettant d'identifier tôt des aptitudes exceptionnelles.

Résultats
  • Identification précoce des sportifs à haut potentiel via des marqueurs mesurables
  • Programmes d'entraînement personnalisés selon les forces cognitives détectées
  • Avantage compétitif pour clubs et fédérations grâce à une détection scientifique fiable