Les meilleures agences Architecture logicielle en France

PleaseMyCar Voiturier Application mobile et montre connectée spécialement conçues pour les voituriers PleaseMyCar est une solution innovante pour voituriers destinée aux hôtels de prestige, restaurants haut de gamme et clubs de plage. La solution, réservée à une clientèle exigeante, permet aux établissements de proposer à leurs clients un service personnalisé pour demander leur véhicule. Les managers et voituriers bénéficient d’un outil complet pour assurer le suivi en temps réel des commandes, recevoir des notifications immédiates, et consulter les informations à partir de leur application accessible sur mobile, tablette, PC ainsi que sur leur montre connectée. L’application est développée en React Native pour les appareils mobiles, en Java pour la montre connectée sous Android, et en React Web pour l’interface de gestion du backoffice. Nos principales fonctionnalités : Gérer l’établissement : paramétrage des services, tarifs, configuration globale et historique détaillé de toutes les commandes Permettre au manager de superviser en temps réel les commandes (interface optimisée pour tablette), d’attribuer les missions aux voituriers et d’assurer le contrôle des paiements Fournir aux voituriers un accès instantané aux détails de leur commande en cours directement sur leur montre connectée Offrir aux clients la possibilité de commander leur véhicule via un formulaire entièrement personnalisé (par exemple : numéro de ticket, emplacement précis…), ainsi que de spécifier un délai souhaité (ex : dans 20 minutes) Donner la flexibilité de modifier le délai de prise en charge à tout moment

Problème Automatisation des données : informations dispersées L'absence d'automatisation empêche d’obtenir de la visibilité, multiplie les doublons et ralentit le traitement métier. Les équipes réalisent une consolidation manuelle de sources variées, ce qui dégrade la qualité des données et complique la prise de décision. Solution Pipeline IA pour automatiser la gestion des données Le projet implémente une infrastructure unifiée permettant de fiabiliser et enrichir la base alumni. Airbyte gère l’extraction des flux, BigQuery assure le stockage et dbt structure les jeux de données. GPT-4 catégorise les changements, Sentence-BERT élimine les doublons. Les APIs LinkedIn / Sales Navigator fournissent l’enrichissement en temps réel, et n8n automatise les mises à jour. Résultats Réduction des doublons Le taux de doublons est passé de 18 % à 0,8 %, validant l’efficacité du modèle d’embedding. Amélioration de la productivité La durée moyenne des mises à jour est passée de 20 minutes à 45 secondes via les webhooks LLM, économisant 36 heures par mois. Hausse de la fiabilité des profils La proportion de profils à jour a augmenté de 62 % à 95 %, selon un audit interne. Contexte IESEG administre une communauté de plus de 20 000 anciens élèves dont les carrières sont en constante évolution. Les services internes gèrent des sources multiples souvent en doublon, ce qui complique la consolidation des profils. L’automatisation vise à créer un référentiel partagé, fiable, accessible quasiment en temps réel. Problématique Données réparties dans plusieurs bases, absence de vision consolidée Multiplication des doublons et champs obsolètes Mises à jour lentes, réalisées manuellement Incapacité à détecter automatiquement les évolutions de poste Décisions retardées pour les équipes alumni et carrières Difficulté à mesurer l'impact et le retour sur investissement des actions réseaux Solution technique Stack intégrée : Airbyte pour l’extraction, BigQuery comme entrepôt, dbt pour le modeling, le tout sur Google Cloud. Collecte LinkedIn : utilisation d’un crawler maison et de l’API Sales Navigator ; classification en temps réel des changements de poste avec GPT-4 ; automatisation de la mise à jour via webhooks n8n (moins de 15 minutes). Nettoyage et déduplication : fusion automatique des doublons grâce à Sentence-BERT. Workflows IA : enrichissement sémantique via Vertex AI, contrôle qualité par Great Expectations, intégration PostgreSQL + Hasura GraphQL, dashboard Retool, alertes via Slack. Indicateurs clés Métrique cléAvantAprès Taux de doublons18 %< 1 % Profils à jour62 %95 % Temps de mise à jour20 min< 1 min Charge mensuelle de maintenance40 h homme4 h homme Délai de diffusion signaux carrière2 semaines15 min Fiabilité des données63 %95 % ROI projet (économies/an)—× 4,2 La modernisation a permis de réduire considérablement les doublons, accélérer les mises à jour quasi instantanées et libérer une semaine-homme mensuelle pour les équipes carrières. Désormais, la base unifiée garantit une fiabilité de 95 % des données, ce qui favorise la personnalisation des programmes alumni et la prospection. La surveillance automatisée des changements alimente un système d’alertes utilisé par trois services internes. IESEG dispose ainsi d’un référentiel robuste, conforme au RGPD et prêt à être étendu à d’autres populations étudiantes. Pipeline data versionné pour auditer chaque transformation. Règles qualité automatiques en continu. Déclenchement automatique des mises à jour à chaque détection de changement. Mise à jour semestrielle des embeddings pour optimiser la déduplication. Prochains développements prévus : validation blocking, extension des intégrations LinkedIn, scoring prédictif, audit RGPD, et gouvernance multi-entités.

Conception et développement de la plateforme sociale GleeseRéalisation de Gleese, une plateforme sociale pensée pour les esprits libres, centrée sur la rencontre, l’échange et l’organisation d’expériences autour d’intérêts partagés, dans un cadre sécurisé et assumé.L’objectif du projet : créer un réseau social complet, capable de combiner interactions sociales, mise en relation et événements, tout en offrant une expérience fluide, moderne et respectueuse de la confidentialité des utilisateurs.La plateforme intègre l’ensemble des fonctionnalités structurantes d’un réseau social nouvelle génération : • fil d’actualité personnalisé (publications, interactions, contenus communautaires), • messagerie privée en temps réel (échanges directs, notifications instantanées), • gestion d’événements (création, participation, visibilité ciblée), • temps réel pour les interactions clés (messages, statuts, activité), • profils utilisateurs avancés avec paramètres de confidentialité fins, • systèmes de modération et de signalement pour garantir un environnement sain.Une attention particulière a été portée à la protection des données, à la maîtrise de la visibilité des profils et à la robustesse technique de l’infrastructure, afin de supporter une activité continue et des pics d’usage sans dégradation de performance.L’architecture a été conçue pour être scalable, sécurisée et évolutive, permettant l’ajout progressif de nouvelles fonctionnalités sociales et communautaires sans remettre en cause l’existant.Le résultat :Une plateforme sociale sur mesure, combinant liberté d’expression, interactions en temps réel et organisation communautaire, offrant à Gleese une base technologique solide pour développer une communauté engagée et durable.