Aujourd’hui, plus de 85 % des projets de data science restent au stade de preuve de concept (PoC) et n’atteignent jamais le stade de production. Plusieurs facteurs peuvent expliquer ce chiffre:

– les silos entre les différents métiers de la donnée

– le manque de librairies Python pour le développement full-stack

– la difficulté à maintenir un lien entre data scientists et utilisateurs finaux.

Ce sont ces trois enjeux que Taipy cherche à résoudre en proposant une librairie Python permettant de créer des applications Web prêtes pour la production et conçues pour embarquer dès le départ les utilisateurs finaux.

 

La STIME, filiale IT du Groupement Les Mousquetaires, l’un des principaux groupes de distribution européens, a déployé MCE. Cette application propose au métier différentes prévisions de consommation électrique basée sur l’IA, en fonction de paramètres bien définis. MCE (Modélisation Conso Electrique) a été développée avec Taipy.

Elle est devenue une application centrale pour le service d’énergie : les acheteurs peuvent désormais réaliser de bien meilleures prévisions, en tenant compte d’un plus grand nombre de variables, mais aussi en effectuant des analyses de scénarios.

 

La STIME a choisi Taipy comme framework de développement Python car il permet un développement rapide, une couverture complète (de l’interface graphique au pipeline en passant par la gestion des scénarios) et un déploiement facile. De plus, les équipes métiers ont pu être embarquées dans la conception de l’application dès le début du projet.

 

La mise en œuvre du projet MCE avec Taipy s’est traduite par une gestion plus active des contrats d’électricité. Maintenant, le département gère ses achats en interne, alors qu’historiquement cela était fait par un intermédiaire, qui, avec la hausse des prix et l’instabilité du marché, a augmenté ses prix. Ceci a permis de réaliser des gains en identifiant avec précision les meilleurs moments à acheter de l’électricité sur le marché spot, mieux gérer ses contrats à long terme ainsi qu’avoir une meilleure visibilité sur son portefeuille. Ce projet a généré un retour sur investissement élevé, encore accru par la hausse des prix de l’énergie.

 

Dans cet atelier, la Stime et Taipy nous proposent un retour d’expérience pratique sur la mise en place interne de l’outil dans leur division énergétique et la manière dont Taipy peut aider les organisations à développer des projets data science de bout en bout.