Les meilleures agences Analyse de données en France

Pour aider les utilisateurs à évaluer l’impact environnemental de leurs achats d’équipements d’occasion, nous avons mis en place une orchestration innovante d’agents IA qui génèrent automatiquement des estimations fiables du CO₂ évité, sans nécessiter d’intervention humaine. Développement d’un système coordonné de plusieurs agents IA spécialisés : analyse détaillée du produit, classification, extraction des matériaux, pondération, et choix judicieux des données officielles issues de l’ADEME. Intégration de bases de données environnementales reconnues, telles que celles de l’ADEME, de la DEA, et les facteurs d’émission européens. Élaboration de modélisations pour gérer les cas non couverts par les données officielles, via des méthodes d’analogie et une approche centrée sur les matériaux. Production automatisée, pour chaque produit, d’un rapport complet d’impact environnemental, accompagné d’un score de fiabilité. Résultats clés : Orchestration IA multi-agents permettant d’estimer avec précision le CO₂ évité pour chaque produit : examen, classification, extraction des matériaux, pondération, sélection des facteurs officiels ADEME/DEA, modélisation par analogie, et génération automatique d’un rapport avec score de fiabilité. Réduction du temps de traitement par produit, passant de 10 minutes à seulement 45 secondes. Automatisation totale du processus, sans intervention humaine requise. Outil essentiel permettant de renforcer la confiance des clients grands comptes sur leur performance en matière de RSE.

Le contexte de la création d'un référentiel de données pour les Jeux OlympiquesAlors que les Jeux Olympiques approchent, France Télévisions ambitionne d’accroître la visibilité de sa plateforme numérique et de renforcer la fidélisation de ses utilisateurs au-delà de l’événement. Dans cette optique, il devient essentiel de mieux appréhender l’audience et de pouvoir déployer des campagnes marketing personnalisées.Thierry s’est vu confier la mission d’intervenir sur le produit UCP (Use Case Personnalisation). La finalité de ce projet consiste à organiser et exploiter un référentiel regroupant comportements, habitudes et préférences des internautes. Ce socle permet à l’équipe marketing de segmenter les utilisateurs, de constituer des cibles et de déclencher des campagnes adaptées (notifications push, envois d’emails, etc.).Déjà familier de l’environnement France Télévisions grâce à des expériences antérieures, Thierry a été sélectionné pour ses compétences en développement Python, en data engineering et en delivery logiciel. Il a rejoint une équipe pluridisciplinaire (PO, data engineers, data analyst, data steward) dédiée à l’activation des données autour des Jeux Olympiques.Les enjeux et défis techniques pour livrer une solution fonctionnelle pour les JODélivrer une solution opérationnelle avant le début des Jeux Olympiques, en garantissant qualité et robustesse tout en optimisant les développements, avec un référentiel orienté valeur métier.Améliorer les performances en réduisant les temps de traitement, passant de plusieurs heures à environ trente minutes.Assurer la conformité RGPD, intégrer la gestion des consentements et fournir des données fiables.Transformer les requêtes métier au format JSON en exports CSV à destination des équipes marketing.Les missions réalisées autour du référentiel utilisateurStructuration des données et passage en productionMise en place d’un référentiel utilisateur basé sur les données comportementalesDéplacement de l’outil de ciblage vers Google Dataproc, réduisant le temps de traitement de 4 heures à 15 minutesIntégration de la gestion des consentements RGPDDéploiement de l’architecture “médaillon” (raw, silver, gold)Migration des orchestrations vers Google Cloud ComposerAmélioration de la qualité logicielle et industrialisationDéploiement de tests unitaires pour Apache SparkAutomatisation CI/CD avec Gitlab : linting, versioning sémantique, déploiement automatiséMise en place d’environnements de revue automatiquesRédaction de documentation technique et fonctionnelleStructuration de l’équipe autour des pratiques Scrum, avec des rituels et refinements quotidiensSupervision, gestion des coûts cloud et amélioration continueImplémentation de Google Monitoring & Alerting, avec des alertes transmises sur Slack via Cloud FunctionsOptimisation de la consommation des ressources cloud (FinOps)Migration des partitions vers le Liquid Clustering, divisant par trois les temps de traitementProposition d’une architecture DDD (finalement non adoptée, l’outil Kredo ayant été retenu)Les résultats de la mission de mise en place du référentiel utilisateur chez France TélévisionsDisponibilité des données multipliée par quatre ; le traitement du ciblage est passé de 2 heures à 4 minutesHausse de la qualité logicielle et meilleure structuration de l’équipe data (tests, CI/CD, Scrum)Objectif JO atteint, fidélisation des utilisateurs réussie et taux d’usage maintenus à un niveau élevé après l’événement

Mission : Découvrez comment Decathlon a pu générer plus de 2000 leads en automatisant la collecte d'informations concurrentielles grâce à une intelligence artificielle développée en Python. Retour sur investissement rapide et présentation détaillée d’un cas d’usage d’IA. Problème Accélérer la prospection nécessitait d’automatiser la génération de leads. Les équipes commerciales de Decathlon Marketplace consacraient une part importante de leur temps à rechercher manuellement des prospects, une méthode rendue obsolète par le volume, la volatilité des données concurrentielles et la rapidité du marché. Solution Une solution d’automatisation fondée sur Python et l’IA a été déployée pour extraire continuellement des informations sur les marketplaces concurrentes. L’outil classe automatiquement les données obtenues, enrichit les fiches prospects puis les transmet directement aux équipes commerciales. Résultats Plus de 2000 leads générés en trois mois 30 % de temps économisé sur la recherche Productivité accrue Équipes concentrées sur la conversion Retour sur investissement immédiat Leads actualisés et de meilleure qualité Vision éclairée de la dynamique concurrentielle Contexte & Enjeux Pour accélérer le développement de son réseau de vendeurs et partenaires, Decathlon Marketplace avait besoin d’industrialiser sa prospection commerciale. Jusqu’alors, l’identification de leads qualifiés sur les plateformes concurrentes s’effectuait manuellement, mobilisant de grandes ressources. Les principaux freins Augmentation continue des données concurrentielles Tâches répétitives à faible valeur ajoutée Absence d’outils automatiques d’analyse structurée Difficulté à faire évoluer la prospection face à la dynamique des marketplaces La solution IA Scripts Python spécialisés pour l'analyse de marketplaces concurrentes : détection de vendeurs, suivi des prix, catégories, volumes Moteur d’enrichissement IA organisant automatiquement les leads : structuration, scoring... Automatisation des tâches répétitives, y compris l’intégration des leads dans le CRM Tableau de bord en temps réel pour piloter les KPIs Résultats obtenus (après 3 mois) Plus de 2000 leads commerciaux qualifiés intégrés automatiquement au CRM 30 % de réduction du temps dédié à la recherche de prospects Productivité significativement améliorée Visibilité accrue sur les concurrents, les prix et les mouvements du marché Retour sur investissement instantané L’automatisation des processus nous a permis de générer un flux ininterrompu de leads et d’accroître notre compétitivité. — Témoignage client Méthodologie projet Semaine 1 à 2 : Audit des sources concurrentielles et définition des indicateurs clés Semaine 3 à 5 : Développement des scripts Python et du moteur IA d’enrichissement Semaine 6 à 8 : Période de tests, ajustements et intégration au CRM Troisième mois : Mise en production et suivi de la performance Équipe mobilisée : Data Engineer Data Analyst Chef de projet IT Consultant IA et expert growth hacking Facteurs clés de succès : Intégration fluide avec les outils existants Scoring sur-mesure Collaboration étroite entre les équipes data et commerce Dashboard de performance dédié FAQ L’intelligence artificielle a permis à Decathlon de générer plus de 2000 leads grâce à un moteur de scrapping Python assorti d’un enrichissement automatisé. Données extraites des marketplaces concurrentes : vendeurs, produits, prix, avis, coordonnées... automatiquement structurés et enrichis. L’IA nettoie, analyse et croise les leads puis en automatise le scoring avant leur intégration dans le CRM. Stack technique utilisée : Python (BeautifulSoup, Selenium…), algorithmes IA propriétaires, base de données centralisée, connexion CRM, tableau de bord interactif. ROI immédiat : plus de 2000 leads, 30 % de temps de prospection en moins, augmentation du taux de transformation, réduction des tâches peu valorisantes. Données collectées uniquement sur des sources publiques, conformité RGPD garantie.

Comment Values Media a divisé par 3 son temps de reporting ? Autrefois, chaque nouveau client impliquait de longues heures passées à connecter manuellement des Sheets, à croiser diverses sources et à gérer des tableaux de bord peu fiables. Désormais, Values Media gère toutes ses opérations à partir d’une architecture centralisée, ce qui lui permet de gagner un temps considérable lors de la gestion de chaque campagne de communication pour ses clients. Contexte Auparavant, l’arrivée d’un nouveau client chez Values Media lançait un processus laborieux : il fallait extraire les données via Supermetrics, connecter manuellement des Google Sheets, croiser les informations, maintenir les connexions, naviguer entre différents fichiers pour ensuite finaliser le tout dans Looker Studio avec quelques ajustements. Ce mode de fonctionnement entraînait des onboardings lents, une visibilité partielle sur les campagnes et mobilisait les équipes sur des tâches accessoires au détriment du pilotage de la performance. Solution apportée Leur nouvelle infrastructure data a tout changé. La centralisation des données dans Big Query, combinée à l’ajout d’informations clients grâce à Airtable, leur permet de tout regrouper facilement. Les dashboards sont simples à mettre en place et le reporting s’est transformé en un véritable atout stratégique, et non plus en une contrainte. Résultats Ajout en toute autonomie de trois nouvelles dimensions d’analyse : suivi du budget global des campagnes, des objectifs et des différents leviers Fonctionnalités développées Extraction automatique des données Stockage centralisé au même endroit Mise à jour automatique des dashboards

Barnes International : Étude Marketing Automation Barnes International, agence immobilière de prestige, a été accompagnée dans l’étude et l’implémentation d’une solution de Marketing Automation. Ce projet a été mené en parallèle de la refonte de leur site internet et de la création de Barnes Data, leur datalake interne. L’objectif était d’optimiser la stratégie marketing de l’entreprise et de fluidifier ses processus opérationnels. Objectifs Revoir et redéfinir les personas marketing. Analyser et adapter le modèle de données Barnes Data. Recommander, sélectionner puis intégrer un outil adapté de Marketing Automation (Hubspot), et le synchroniser avec leur datalake. Optimiser et centraliser les workflows marketing pour rendre les processus plus efficaces. Défis Utilisation de multiples outils pour des actions marketing majoritairement manuelles. Difficultés de connexion entre Hubspot CRM et d’autres solutions. Assurer la cohérence des données à travers diverses plateformes. Gestion d’une base de 450 000 contacts répartis entre Brevo et des fichiers Excel. Nécessité de fusionner et redéfinir les personas afin d’assurer une segmentation optimale. Solutions apportées Mise en place d’un CRM Hubspot entièrement personnalisé. Connexion et synchronisation du CRM avec le datalake via Make. Définition et optimisation de plus de 20 workflows automatisés, représentant plus de 35 000 opérations mensuelles. Configuration d’un plan de tracking web pour affiner la mesure des performances. Unification et synchronisation des propriétés de contact et des bases de données. Rationalisation des campagnes publicitaires et des réseaux sociaux. Mise en place de sessions de formation dédiées aux équipes.

Présentation du projet Yahya Pêche est une entreprise mauritanienne spécialisée dans la pêche artisanale ainsi que dans l’exportation de produits de la mer de première qualité. Son offre comprend des poissons pélagiques tels que la dorade, la courbine et l’ombrine, mais aussi des céphalopodes comme les poulpes, les œufs de mulet ou les seiches, à destination de marchés situés en Europe, en Asie et en Afrique. En septembre 2021, Yahya Pêche a sollicité MW-Concept pour accroître la visibilité de son nouveau site vitrine sur les moteurs de recherche et attirer une clientèle professionnelle internationale. Objectifs : Accroître la visibilité SEO à l’international pour le site web AUGMENTER les demandes de devis B2B à l’échelle internationale Dynamiser le chiffre d’affaires par l’acquisition de nouveaux distributeurs clients Approche menée : Analyse sémantique pointue pour choisir des mots-clés adaptés aux produits et marchés ciblés Création régulière de contenus optimisés (rédaction de 3 articles chaque mois pendant un an destinés aux recherches des acheteurs B2B) Lancement de campagnes de netlinking sur 6 mois : 3 campagnes axées sur la marque et 3 sur les produits Résultats obtenus : Hausse significative des demandes de devis (entre 15 et 20 chaque mois) Progression rapide du trafic mensuel, passant de zéro à 2000 visiteurs par mois, puis près de 3000 visiteurs mensuels en 2024 Gain de 14 points de trust domain en une année Positionnement de tous les mots-clés stratégiques dans le top 5 de Google avec un total de 2100 mots-clés référencés en 2024 Obtention de 171 nouveaux backlinks Impacts : Les résultats enregistrés perdurent au fil du temps, même après la fin des actions SEO, avec la poursuite de l’indexation de nouveaux mots-clés grâce aux contenus élaborés en 2021-2022. Le client a d’ailleurs renouvelé sa confiance en MW-Concept pour d’autres missions. Ce cas met en lumière comment structurer un accompagnement SEO B2B dans le secteur agroalimentaire et export, en focalisant sur la génération ciblée de leads à l’international.

Contexte Notre client met au point une solution pour digitaliser la gestion énergétique et technique des biens immobiliers. En s’appuyant sur une plateforme Big Data couplée à l’IoT, il propose à ses clients une optimisation avancée des performances aussi bien système qu’environnementales. Traitant plusieurs centaines de gigaoctets issus de capteurs, l’entreprise avait besoin d’une infrastructure solide, capable de fournir des analyses embarquées en temps réel tout en préservant une expérience utilisateur fluide et intuitive. Enjeux Proposer des analyses instantanées des données IoT afin de permettre une gestion précise des consommations énergétiques. Offrir une expérience utilisateur optimale en mettant à disposition un tableau de bord personnalisé, intuitif et ergonomique pour chaque client. Gérer efficacement de grands volumes de données tout en maintenant performance et rapidité. Garantir la robustesse et la scalabilité de l’infrastructure face à l’augmentation croissante des flux de données. La solution Notre démarche s’est articulée autour d’étapes structurantes pour répondre aux objectifs du client : Définition de l’architecture cloud data Après une analyse approfondie des besoins métiers et des attentes relatives aux données, nous avons conçu une architecture évolutive et performante. Le choix s’est porté sur ClickHouse, célèbre base de données colonne pour sa rapidité et son efficience dans le traitement de requêtes analytiques de grande envergure sur des flux en streaming. Mise en œuvre des pipelines d’ingestion Des pipelines dédiés à l’ingestion des données IoT ont été déployés avec Apache Airflow afin d’assurer l’orchestration du traitement des flux en temps réel. Les données issues de MongoDB sont déclenchées par des triggers, traitées, stockées sur AWS S3, puis transférées dans ClickHouse. Transformation et modélisation des données Une fois collectées, les données suivent différentes phases de stockage : Données RAW : elles sont normalisées, dédupliquées et mises en qualité, avec une politique de rétention adaptée. Entrepôt de données (warehouse) : gestion de l’historique, du versionnement et intégration avec d’autres référentiels. Datamarts : création de tables segmentées par client, favorisant une analyse détaillée des usages. Développement de tableaux de bord interactifs Après transformation des données, nous avons créé une interface intuitive pour restituer l’information à travers Cumul.io. Les clients consultent en temps réel leurs indicateurs de consommation énergétique afin de superviser et piloter efficacement leurs actifs. Résultats obtenus Accès à des analyses IoT en temps réel, favorisant des décisions plus éclairées. Un cockpit adapté à chaque utilisateur, simplifiant le suivi et l’amélioration des consommations. Une plateforme performante et évolutive, capable de gérer de larges volumes de données sans perte de performance. Une forte amélioration de l’ergonomie, grâce à des interfaces intuitives et adaptées aux besoins des clients. Stack technique Base de données : ClickHouse Orchestration : Apache Airflow Stockage : AWS S3 Ingestion de données : MongoDB, Python, SQL Visualisation : Cumul.io

Défis rencontrés Augmenter le retour sur investissement des campagnes SEA dans un environnement particulièrement compétitif Assurer une gestion performante des campagnes pour une grande diversité de destinations Améliorer le taux de conversion sur les supports mobiles Solutions mises en place Réorganisation des campagnes SEA en s’appuyant sur une segmentation géographique approfondie Recours à l’intelligence artificielle pour ajuster automatiquement les enchères en tenant compte de la saisonnalité et des spécificités de chaque destination Optimisation des annonces et des pages d’atterrissage pour maximiser l’expérience utilisateur sur mobile Développement de stratégies de remarketing personnalisées, basées sur le comportement des utilisateurs Budget : 1,5 M€/an