Nous sommes une équipe de 30 ingénieurs et consultants passionnés par l'intelligence artificielle et la mise en application pratique des dernières avancées de la recherche. Notre mission : démocratiser et simplifier l’usage de l’IA pour tous nos clients.
Diplômé de HEC, Pablo est en charge du développement commercial de Galadrim sur l'IA et conseille nos clients sur les aspects stratégiques de leurs projets. Pablo a exercé auparavant comme professeur de mathématiques dans le supérieur.
Ingénieur de l'École Polytechnique et du Corps des Mines, Benjamin encadre l'équipe technique et conseille nos clients sur les technologies les plus adaptées à leurs besoins. Entré dans l'entrepreneuriat après la haute fonction publique, il a exercé plusieurs rôles de Lead technique.
Prévision d'affluence dans les restaurants scolaires
Développement d'un algorithme de prévision de l’affluence dans les restaurants scolaires
Utilisation de données variées : météo, emplois du temps, appétence des élèves pour les menus, affluences historiques
Intégration de l'algorithme au logiciel Turboself 4
Mise en place d'une pipeline d'amélioration continue de l'algorithme, en fonction des nouvelles données
Prévision de demande
Optimisation de la programmation des cinémas
Développement d’un algorithme de prévision du nombre de spectateurs dans une salle de cinéma sur une séance donnée, à partir de l'historique des performances, du jour et de l'heure de la séance, de la popularité du film, etc.
Utilisation de ces prévisions pour créer un algorithme d'optimisation de la grille de programmation d'un exploitant, maximisant le chiffre d'affaires de l'exploitant sur une semaine en respectant les contraintes de programmation imposées par les distributeurs
Déploiement de la solution sous la forme d'une application web chez plus de 15 exploitants de cinéma
Optimisation
Algorithmes de calcul de risques
Maintenance et évolution de l’algorithme dédié au conseil financier lors de la construction d’un portefeuille d’actions et fonds monétaires.
Vérification des données renseignées par les clients afin de leur proposer un portefeuille de produits financiers adapté à leurs attentes
Optimisation de l’algorithme pour valider les benchmarks attendus
Maintien et amélioration continue des outils de monitoring