Application : Les clubs utilisent la science des données pour suivre et analyser les performances physiques et techniques des joueurs (distance parcourue, vitesse, passes réussies, pressing, etc.).

Exemple :

Liverpool FC a mis en place un département de data science dirigé par Ian Graham. Ils ont utilisé des modèles statistiques avancés pour identifier et recruter des joueurs sous-évalués comme Mohamed Salah ou Sadio Mané.

Cela leur a permis d’avoir une équipe compétitive à moindre coût avant de devenir champions de Premier League (2020) et vainqueurs de la Ligue des Champions (2019).

2. Prévention des blessures et optimisation de l’entraînement

Application : Les clubs collectent des données biométriques (rythme cardiaque, charge de travail, fatigue musculaire) via GPS et capteurs pour ajuster les entraînements et réduire les risques de blessure.

Exemple :

Manchester City utilise des capteurs GPS et des algorithmes prédictifs pour surveiller l’état physique des joueurs.

Grâce à cela, ils peuvent prévenir la surcharge de travail d’un joueur clé comme Kevin De Bruyne et mieux planifier sa récupération.

- Collecter et analyser des données variées (statistiques, élections, économie, santé, etc.).

- Automatiser la recherche et le recoupement grâce aux outils numériques.

- Rendre compréhensible l’information via des graphiques, cartes et visualisations interactives.

- Personnaliser l’impact d’un sujet pour chaque lecteur.

- Impliquer le public par le partage de données et le fact-checking.

- Institutionnaliser la pratique avec prix, événements et rubriques spécialisées dans les médias.

Pourquoi utiliser la Data Science sur les données énergétiques dans l’industrie ?

Tous les sites industriels génèrent des données. Des centaines, voire des milliers de capteurs mesurent quotidiennement l’activité d’une usine (production, températures, qualité, etc.). Ces données sont souvent sous-exploitées, en particulier pour le suivi énergétique. 

Les possibilités techniques de l’ère du Big Data ont révolutionné la collecte et le stockage de données. Les sites industriels ont évolué et sont rapidement montés en maturité pour installer des capteurs et des écrans de contrôle et récolter ainsi une multitude d’indicateurs.

Avec la Data Science, les données captées en temps réel sont traitées par des algorithmes qui en évaluent la fiabilité pour en extraire des comportements, c’est-à-dire comprendre l'évolution des phénomènes en fonction des paramètres (réglages de la machine, météo, etc.). Plusieurs paramètres servent ensuite à contextualiser les données (contraintes métier spécifiques, etc.) pour fiabiliser et sécuriser les recommandations. 

Sur le plan énergétique, l’objectif pour un site industriel est de déterminer quand la consommation est la plus intéressante. Les algorithmes sont alors chargés de trouver le point de fonctionnement optimal pour réduire au maximum les consommations d’énergie, en garantissant une production continue et sans dommage, avec les mêmes volumes et le même niveau de qualité.

Grâce aux outils proposés à nos clients, il est possible de croiser des données énergétiques avec différentes mesures réalisées sur le site (des paramètres opérationnels relatifs aux machines, des données de production…). Les moments où l’efficacité est maximale et minimale sont détectés ainsi que les raisons de ces variations.

Des sources de données externes au site industriel (météo, données du marché de l’énergie, etc.) peuvent également être prises en compte. Elles permettent ainsi entre autres d’exploiter la variabilité des marchés de l’énergie : c’est particulièrement intéressant dans certains pays !

Comment appliquer concrètement la Data Science à l’énergie ?

Dans un premier temps, l’ensemble des données historiques enregistrées sur le site est récupéré. On y ajoute ensuite les données externes précédemment évoquées. L’ensemble de ces paramètres sert à construire un jumeau numérique de simulation du périmètre dont la consommation est à optimiser. 

Le modèle analyse les données d’entrée et la consommation énergétique obtenue en sortie pour comprendre le lien qu’elles entretiennent entre elles. Après génération de plusieurs centaines de milliers de scénarios, élaborés à partir des paramètres influents, il est possible de trouver les réglages optimaux pour une machine, tout en respectant les contraintes opérationnelles, telles que la productivité.

Ces réglages sont restitués sous forme de recommandations et d’aide au pilotage pour l’opérateur, qui est accompagné dans sa prise de décision. Les opérateurs sur site vérifient la pertinence de ces préconisations.

Analyse du risque client pour accorder des prêts.

Personnalisation des offres d’assurance.

Prévention du blanchiment d’argent

Optimisation des portefeuilles d’investissement

Chatbots et service client intelligent

Segmentation des clients

Gestion des risques financiers globaux

Les réseaux sociaux tels que Facebook, Amazon, Google, YouTube, etc. utilisés comme un moyen de communication et d'échange, représentent de grands utilisateurs de la science des données. Le grand volume de données (textes, images, vidéos) qui transitent par ces réseaux sociaux crée un grand besoin pour analyser et comprendre ces données.

I - Mesurer le niveau des interactions entre les utilisateurs de Facebook dans différentes zones

Les données provenant des réseaux sociaux, sont analysées pour extraire des informations pertinentes sur la structure du réseau et les interactions entre les utilisateurs.

Les réseaux sociaux sont généralement représentés sous forme de graphes, dirigés ou non dirigés, où les nœuds représentent les utilisateurs, et les arrêtes (arcs) représentent les interactions entre les utilisateurs.

Collecte des données

Pour explorer et présenter les données de Facebook par exemple, collecte ces données a partir du lien suivant https://snap.stanford.edu/data/egonets-Facebook.html.

Ces données contiennent des informations sur des utilisateurs, leurs caractéristiques, leurs interactions, et leurs regroupements.

Préparation des données

- Tout d'abord, on importe ces données dans un outil de programmation (Pyton ,R..)

- Une fois les données importées, on les représente sous forme de graphe non dirigé.

- On visualise la structure hiérarchique des nœuds qui forment des communautés ainsi que le graphe et on interpréte les interactions entre les utilisateurs on fonction des zones de concentrations des nœuds.

II- Cibler les utilisateurs au moyen de publicités.

Les réseaux sociaux exploitent les données collectées sur leurs utilisateurs dans le cadre de différentes finalités.

La data science permet de collecter, d'analyser et d'interpréter de grandes quantités de données pour comprendre les comportements des utilisateurs, prédire les tendances et optimiser les stratégies de contenu et de publicité. En utilisant des algorithmes d'apprentissage automatique et des outils d'analyse.

Cela représente de nombreux avantages pour les entreprises et les marques :

• Stratégies marketing éclairées :

• Meilleure compréhension client :

• Optimisation des campagnes :

• Visualisation des réseaux :

Par la transformation les données textuelles en représentations visuelles qui montrent les relations entre les utilisateurs et les groupes au sein des plateformes de médias sociaux.

Cette Technique fonctionne par :

1. Collecte de données :

Recueil de données volumineuses, souvent textuelles, à partir des plateformes de médias sociaux.

2. Analyse et traitement :

Utilisation d'algorithmes et de techniques statistiques pour trier, nettoyer et extraire des informations significatives des données.

3. Interprétation et visualisation :

Transformation des données brutes en informations exploitables et en visualisations claires pour identifier des relations et des modèles.

2 - Analyse de la demande locative : Identifier quels types de logement est le plus en demande

Exemple d'entreprise : JLR solutions foncières, entreprise québécoise qui propose des services en ligne et solutions personnalisés pour analyser et évaluer des propriétés à l'aide de :

• Base de données immobilières : contient des milions de transactions immobilières (ventes, achats, hypothèques) ; les professionels peuvent chercher des informations précises sur un terrain ou une maison

• Évaluation et estimation de prix : aide les gens à savoir combien vaut une propriété en se basant sur les ventes passées et les tendances de marchés ; ils proposent des estimation réaliste si quelqu'un veut vendre sa maison par exemple.

Sherine Zahabi

personnalisation de l'experience client :

le site de E commerce qui propose des recommandations de produits par rapports a vos recherches precedentes et a vos recherches google

Temu, Amazon, shein

Ex 2

tarification dynamique :

certaines entreprises adaptent les prix de leurs services en fonction des donnees recueillies en temps reel,

ex Uber qui propose une tarification en fonction de la distance entre point de depart et d'arrive, du climat, et de la periode la journee, et du confort que souhaite le client

Martin Junior E.

- Prioriser les examens urgents (triage),

- Alerter le clinicien et proposer les examens complémentaires (ex. DEXA),

- Aider à planifier un parcours de soin approprié (prévention, traitement curatif, prise en charge urgente).

Exemple de sortie pour le médecin:

- Image Rx annotée + heatmap.
- Résumé texte : « Fracture probable au radius distal - score de confiance 0.92. »
- Actions suggérées (exemples) : « Considérer immobilisation et consultation en orthopédie urgente » / « Proposer DEXA si patient >65 ans ou antécédents de fragilité ».
- Liens rapides : rapport PDF, images comparatives antérieures, documentation sur recommandations.

Bénéfices cliniques attendus:

- Détection plus rapide des fractures urgentes (réduction du temps jusqu’au traitement).
- Dépistage opportun d’ostéoporose non diagnostiquée et prévention des fractures futures.
- Standardisation et aide aux radiologues, surtout dans les lieux à ressources limitées.

on utilise les données des bulletins examens et presences pour identifier les élèves à risque d'échec et de mettre en place des mesures de soutien ciblées

2) la prédiction du décrochage scolaire d'un élève

on utilise les modèles prédictifs pour anticiper quels élèves risquent de quitter l'école avant l'obtention de leur diplôme, afin d'agir en prévention

3) l'évaluation des méthodes pédagogiques

les données collectées telles que les resultats et taux de participation aident à comparer l'éfficacité de différentes approches pédagogiques

-detecter des anomalies comme des tumeurs dans une image plus rapidement avec plus de precision qu'un humain.

-Predire le risque de maladies comme le diabete a partir des dossiers medicaux.

Guy Brice

• Évaluation du risque de crédit : analyser la situation financière du client avant d’accorder un prêt.

• Offres d’assurance sur mesure : adapter les produits aux besoins et au profil de chaque assuré.

• Lutte contre le blanchiment : contrôler les opérations douteuses pour respecter les obligations légales.

• Gestion optimisée des placements : ajuster les portefeuilles afin d’équilibrer rendement et sécurité.

• Classement de la clientèle : segmenter les clients pour cibler les services et offres.

• Pilotage des risques financiers : anticiper les crises et maintenir la stabilité de l’institution.

SAFAA

- Application:

• Ajustement dynamique de la fréquence des bus aux heures de pointe

• Optimisation de itinéraires pour réduire les temps de trajets

• Informations en temps réels aux usagers

- Impact:

• Réduction du temps d'attente des passagers

• Amélioration de la fluidité du réseau

2- Uber

Il utilise la science des données pour apparier chauffeurs et passagers, prévoir la tarification dynamique et optimiser les trajets.

Francky

ex 2 : utilisation de la science des données dans la gestion des finances publiques et lutte contre les fraudes.

L`Etat utilise des techniques prédictives et l'apprentissage automatisée en entrainant des logarithme des faits passés pour établir des model pour déceler les cas suspects tel que les revenus disproportionnés aux dépenses.

Ils font des analyses de réseaux entre les entreprises , personnes et comptes bancaire. Aussi l`Etat fait dans le croissement des données entre les différents organismes publiques tel que le registraires fonciers et données des douanes bien d`autres.

Blonde Beatrice/ Larissa

La RPM emploie une grande variété d’outils et de dispositifs numériques, tels que des capteurs portables, pour surveiller les données de santé vitales des patients depuis le confort de leur domicile et pendant qu’ils vaquent à leurs occupations quotidiennes. Ces données sont ensuite transmises en toute sécurité à leur médecin pour analyse.

ces dispositifs sont avantageux en ce sens qu'ils permettent l'amélioration des soins administrés et la réduction des couts.

-predire les embouteillages avant quìls ne se produisent

-Optimiser les feux de signalisation pour fluidifier la circulation.

Guy Brice

Récupération de tous les avis clients publiés sur :

le site web de l’agence.

TripAdvisor ,Avis Google

les réseaux sociaux .

*EX2Nettoyage et préparation .

Suppression des doublons.

Traduction automatique si nécessaire.

Suppression des caractères inutiles .

*EX 3 Analyse des sentiments .

L’algorithme analyse chaque avis et détermine s’il est positif, négatif.

Exemple :

« Le guide était super sympa !» → positif

« Le bus était en retard et sale.» → négatif

. Visualisation des résultats :

Un tableau de bord affiche .

les visites les mieux notées.

les problèmes fréquents.

les périodes de l’année où la satisfaction est la plus faible.

*EX4 Décision basée sur les données :

Recrutement de nouveaux guides pour les circuits mal notés.

Changement de transporteur.

Ajout d'informations pour les touristes étrangers.

conclusion.

Grâce à cette analyse l'agence .

améliore la satisfaction client.

obtient de meilleurs avis en ligne.

la avantage de touristes grâce à une meilleure réputation.

BOURENNANE JUBA

une cause lier sur une manque de sensibilisation du public concernant le recyclage

une grande difficulté de lors du triage et surtout une présence de pollution environnementale causée par les bouteilles non récupérées.

L'objet automatisé est sur le rappel à la population canadienne est lier par un rappel automatique par mail afin de leurs rappeler sur quel type de déchet doit être jeté dans la semaine

cherche un moyen de faire des analyses des performance des joueurs(Nbre match jouer, nombre de passe reussi, impact dans un match, point fort,point faible, blessure et risque et marge de progression dans les prochaine années, l'age)

Prolifération de faux logements : fausses annonces menaçant d’effrayer les utilisateurs de la plateforme.

Risque :

Des remboursements assumés par la plateforme;

Atteinte à la réputation de l’entreprise.

Mesures entreprises :

Usage de l’IA pour vérifier les annonces : les hôtes devront se rendre dans le logement et se connecter à la plateforme. Le GPS vérifie si l’adresse est identique à celle mentionnée dans l’annonce et l’IA compare les photos prises en direct avec celles publiées dans l’annonce par l’hôte.

Résultat :

Airbnb affirme avoir supprimé 59000 fausses annonces et empêché 157000 autres de rejoindre la plateforme en 2023.

Problème 2 :

Frais de ménage élevés;

L’entreprise a reçu de nombreux retours indiquant que Airbnb n’est plus aussi abordable qu’avant.

Risque :

Perdre sa clientèle : les clients se tourneront probablement vers les hôtels comme alternative.

Mesures entreprises :

Offrir aux clients la possibilité de trier les annonces par ordre de prix tout compris;

Mise en place de la technologie de tarification dynamique saisonnière pour inciter les hôtes à ajuster leurs prix plus souvent (baisser les prix hors saison et les augmenter lors de la haute saison.

Résultat :

Plus de 260000 annonces ont réduit ou carrément supprimé les frais de ménage en 2023;

Les changements tarifaires ont porté leurs fruits.

- Communication personnalisée : L'envoi de messages marketing ou d'offres de produits via le canal préféré du client (email, application mobile) devient possible grâce à l'analyse de son comportement. 

• Modélisation et prédiction: Le croisement de ces données avec d'autres sources (trafic, météo) permet de créer des modèles prédictifs pour mieux comprendre et anticiper les impacts environnementaux, y compris les émissions de GES.

• Réduction du gaspillage: Des modèles prédictifs basés sur le big data peuvent aider à ajuster la logistique, par exemple en croisant les données météo et les prévisions de ventes, pour réduire le gaspillage de produits frais et optimiser les flux.