Approche

.01 Pourquoi sommes-nous uniques ?

Notre technologie d’Intelligence Artificielle révolutionne vos process et sa mise en place ne prend que 8 semaines.
Nous proposons une technologie unique basée sur 3 grandes briques :

DOUBLE DIGITAL

Le double digital, est le modèle dynamique et numérique de votre réseau physique. Les données alimentant le double digital proviennent des capteurs installés sur votre réseau.

MODULE IA

Nous paramétrons nos propres modèles, sur la base de technologies de Machine / Deep / Reinforcement Learning.

HYBRIDATION

Les données ne sont jamais parfaites. Nous pallions cela en intégrant des modèles théoriques agrégés avec des bases de données externes afin de construire un dataset complet et fiable.

DOUBLE DIGITAL

Le double digital, est le modèle dynamique et numérique de votre réseau physique. Les données alimentant le double digital proviennent des capteurs installés sur votre réseau.

MODULE IA

Nous paramétrons nos propres modèles, sur la base de technologies de Machine / Deep / Reinforcement Learning

HYBRIDATION

Les données ne sont jamais parfaites. Nous pallions cela en intégrant des modèles théoriques agrégés avec des bases de données externes afin de construire un dataset complet et fiable.

La complexité d'un réseau, c'est celle des liens qui le composent. Un événement impactant un point du réseau va se propager en amont comme en aval. Ne pas intégrer cette complexité nativement ne permettrait pas de comprendre ce type de phénomène. C'est pourquoi notre technologie s'appuie sur des bases de données sous forme de graphes relationnels. Ces bases de données très spécifiques nous permettent de créer des doubles digitaux et d'intégrer la complexité d'un réseau.

I

A

Notre outil intégre par ailleurs différents modules d’Intelligence Artificielle qui permettent de prédire des événements, d’identifier des anomalies ou de proposer des possibilités d’optimisation. Enfin, pour pallier le manque de certaines données, et pour renforcer la robustesse des modèles basés sur la donnée, nous intégrons dans notre algorithmie des modèles théoriques. C’est ce qu’on appelle l’hybridation des modèles data par des modèles théoriques.

  • Auto Machine Learning

Auto Machine Learning

Ce module permet en particulier de créer très facilement des milliers de modèles pour une seule courbe.
  • Deep Learning
  • Deep Learning

Deep Learning

Capacité à comprendre et à identifier un phénomène complexe.
  • Reinforcement Learning

Reinforcement Learning

Capacité à proposer une action sur la base de règles métier.

Nous continuons à innover : outre notre équipe R&D, nous continuons à travailler avec de grands partenaires académiques : Telecom ParisTech et le Laboratoire David entre autres.

.02 La mise en place chez le client

Pour assurer le succès d’un projet « data driven », nous construisons notre projet sur 2 éléments clé :

  • Un audit approfondi des données, afin d’identifier rapidement quels jeux de données peuvent être utilisés à court / moyen / long terme.
  • L’intégration des utilisateurs dès le début du projet, pour assurer une bonne prise en main de l’outil.

Un audit de vos données est essentiel pour évaluer la valeur de celles-ci. Nous démarrons tous nos projets par un audit approfondi de vos jeux de données bruts, issus des Systèmes d’Information client, afin de normaliser les données et les rendre exploitables par notre technologie. Les jeux de données contiennent souvent des données d’injection, des descriptions des réseaux, des données de consommation etc.

Chez DCbrain nous facilitons la phase d’intégration en utilisant la méthode Agile en prenant le parti d’intégrer nos clients à toutes les étapes de notre processus d’implémentation. Cela nous permet de nous adapter aux évolutions des besoins et des solutions dans un effort commun. Nous misons sur un ajustement continu des besoins fonctionnels identifiés sur toute la durée du projet. Notre ambition est de raccourcir et de faciliter la phase de déploiement.