Eurelis accompagne Kestrel Vision, leader mondial des systèmes de contrôle et d’inspection industriels, dans la migration vers une plateforme cloud centralisée de supervision des données de production, intégrant des capacités avancées d’analyse, de visualisation et d’intelligence artificielle afin d’améliorer la prise de décision métier à grande échelle.

​

Kestrel Vision conçoit et fournit des systèmes d’inspection automatisée pour la fabrication et le remplissage d’emballages rigides, opérant à l’échelle internationale avec des besoins forts de consolidation de données industrielles.

​

Contexte du projet :

​

Kestrel Vision souhaitait moderniser et unifier ses outils de supervision de production, qui jusqu’alors étaient cloisonnés par entité et difficiles à consolider. L’enjeu principal du projet était de migrer l’ensemble des solutions vers une architecture cloud scalable et centralisée, capable de traiter massivement les données industrielles tout en intégrant des fonctionnalités d’exploration et d’assistance par IA.

​

Objectifs du projet :

​

- Migrer l’ensemble de l’écosystème de supervision vers le Cloud (Google Cloud Platform) pour garantir scalabilité, disponibilité et performance.

- Concevoir une plateforme unifiée de gestion des données de production consolidant les flux provenant de multiples usines et systèmes d’inspection.

- Intégrer des capacités d’analyse avancée et d’assistance IA conversationnelle pour faciliter l’accès à l’information en langage naturel.

- Assurer une continuité de service et une expérience utilisateur homogène pour les utilisateurs métiers.

​

Défis techniques et organisationnels :

​

- Centraliser des volumes massifs de données industrielles issues de plateformes on-premise hétérogènes.

- Concevoir une architecture API-First flexible et sécurisée permettant l’évolution continue de la plateforme.

- Intégrer des workflows d’IA conversationnelle exploitables par les utilisateurs sans compétences techniques spécifiques.

​

Approche de co-conception :

Eurelis a accompagné Kestrel Vision sur l’ensemble du cycle de conception et de réalisation :

​

- Co-élaboration du cadrage fonctionnel et conceptuel de la plateforme.

- Architecture technique orientée cloud, data, API et IA.

- Développement backend en Python / FastAPI et frontend modulaire en React.

- Création d’un agent conversationnel IA via l’Agent Development Toolkit (ADK).

- Stratégie de prompting et évaluation de modèles LLM pertinents.

- Déploiement cloud et supervision sur Google Cloud Platform / Vertex AI.

​

Solution technique et expertises mobilisées :

La plateforme repose sur une architecture moderne et scalable :

​

- Backend en Python / FastAPI pour orchestrer les flux de données et les APIs métier.

- Data Storage via Google Bigtable pour traiter des volumes de données industriels massifs.

- Frontend modulaire React pour une interface personnalisable et rapide.

- IA conversationnelle (Gemini & ADK) intégrée pour interaction en langage naturel.

- Cloud & DevOps sur Google Cloud Platform et Vertex AI pour scalabilité et supervision.

​

Expertises Eurelis mobilisées : architecture Cloud & Data, développement Python & React, ingénierie IA & LLM, DevOps Cloud, API design et sécurité.

​

Résultats et bénéfices :

​

- Une migration réussie vers le cloud, garantissant disponibilité et montée en charge.

- Une centralisation des données industrielles issues de multiples sources pour analyses transverses.

- Une interface de supervision personnalisable adaptée aux besoins métiers.

- Une exploration de données en langage naturel accélérant la prise de décision.

- Une expérience utilisateur augmentée avec un agent IA capable de visualiser des indicateurs en réponse aux requêtes.

​

Bénéfices clés pour Kestrel Vision :

​

✔ Centralisation des données industrielles pour développer des cas d’usage analytiques et prédictifs.

✔ Scalabilité et performance accrues grâce au cloud.

✔ Amélioration de la prise de décision par l’IA.

✔ Expérience enrichie via l’assistant IA interactif.

✔ Architecture API-First facilitant le déploiement de nouvelles fonctionnalités.

Eurelis accompagne Paris For Love, un projet innovant conçu en partenariat avec le pôle multimédia de l’Institut Léonard de Vinci, dans la conception, le développement et le déploiement d’une application mobile interactive mêlant micro-localisation et contenus immersifs, destinée à enrichir l’expérience des utilisateurs à l’occasion de la Saint-Valentin à Paris.

​

Paris For Love est une initiative originale visant à proposer, dans l’espace public parisien, une interaction ludique entre les personnes et des contenus thématiques associés à des balises connectées.

​

Contexte du projet :

​

Pour célébrer la Saint-Valentin dans une approche innovante et participative, le projet « Paris For Love » a été imaginé autour d’une chasse au contenu géolocalisée dans Paris, impliquant des balises iBeacon déployées à des points d’intérêt pour déclencher la diffusion de contenus liés à l’amour via une application mobile dédiée.

​

Objectifs du projet :

​

- Concevoir une application mobile cross-plateforme interactive et engageante.

- Intégrer une solution de micro-localisation basée sur iBeacon pour déclencher des contenus contextuels.

- Fournir un back-office configurateur permettant de gérer et diffuser les contenus associés à chaque balise.

- Offrir une expérience mobile fluide et intuitive pour les participants à l’événement.

​

Défis techniques et organisationnels :

​

- Intégrer une technologie de micro-localisation (iBeacon) dans une application mobile performante.

- Concevoir une plateforme de gestion de contenus flexible capable d’alimenter dynamiquement l’application suivant la localisation de l’utilisateur.

- Garantir une expérience utilisateur réactive et stable sur différents terminaux.

​

Approche de co-création :

Eurelis a développé ce projet en étroite collaboration avec le pôle multimédia de l’Institut Léonard de Vinci, en s’appuyant sur :

​

- Une phase de cadrage des besoins fonctionnels et UX autour des usages événementiels.

- La définition d’une architecture technique hybride combinant développement mobile et back-office de gestion de contenu.

- Des itérations régulières autour de l’intégration et des tests terrain des balises iBeacon.

​

Solution technique et expertises mobilisées :

La solution mise en œuvre repose sur une combinaison d’outils et de technologies adaptées à l’interactivité mobile :

​

- Développement mobile cross-plateforme avec AngularJS et Ionic (Cordova) pour une couverture rapide et homogène des environnements iOS et Android.

- Back-office Drupal pour la configuration, la mise à jour et la diffusion des contenus liés aux balises.

- Technologie iBeacon pour déclencher les contenus en fonction de la position de l’utilisateur.

- UX & architecture technique, MOE & développement pour assurer une intégration robuste de bout en bout.

​

Résultats et bénéfices :

​

- Une application mobile interactive et innovante, permettant aux utilisateurs de vivre une expérience enrichie lors d’un événement festif à Paris.

- Une organisation dynamique des contenus via un back-office Drupal flexible.

- Une démonstration réussie de l’usage de la micro-localisation iBeacon pour activer des parcours ludiques en contexte réel.

- Un événement digital enrichi, générateur d’engagement et de valorisation pour les participants.

Eurelis accompagne Société Générale, grande banque européenne de premier plan, dans la conception, le développement et le déploiement d’une application métier intelligente d’optimisation des rendez-vous destinée à améliorer l’allocation des ressources et la gestion des agendas tout en respectant des contraintes organisationnelles complexes.

​

Société Générale est un groupe bancaire intégré majeur, présent à l’international et engagé dans des démarches de transformation digitale continue, notamment via l’exploitation d’algorithmes et de technologies innovantes afin d’améliorer l’efficacité opérationnelle de ses services.

​

Contexte du projet :

​

Dans un contexte où les flux de rendez-vous et de réunions doivent être gérés de manière efficace et conforme aux spécificités organisationnelles, la Société Générale a souhaité disposer d’une plateforme permettant de planifier automatiquement les créneaux tout en optimisant le taux de remplissage des agendas, évitant ainsi le recours à des call centers dédiés et anticipant l’évolution des règles métier.

​

Objectifs du projet :

​

- Concevoir une application métier intelligente d’optimisation de planning.

- Permettre une allocation automatique des rendez-vous conforme aux contraintes organisationnelles.

- Optimiser le taux de remplissage des agendas tout en offrant une solution générique et adaptable.

- Réduire la dépendance à des services de support spécifiques (comme un call-center) pour la prise de rendez-vous.

​

Défis techniques et organisationnels :

​

- Formaliser et intégrer les contraintes organisationnelles complexes dans un système automatisé.

- Concevoir une solution flexible, évolutive et applicable à différents contextes d’usage.

​

Approche de co-conception :

​

Eurelis a conduit ce projet en étroite collaboration avec les équipes internes de la Société Générale afin de comprendre les règles métier et les besoins spécifiques de planification. L’approche a reposé sur :

​

- La traduction des règles d’organisation en contraintes techniques exploitables.

- La conception d’une architecture capable de gérer intelligemment ces contraintes.

​

Solution technique et expertises mobilisées :

La plateforme développée par Eurelis repose sur une architecture Cloud moderne (Google Cloud) et des technologies sélectionnées pour leur scalabilité et leur performance :

​

- Backend Python (Flask) pour l’orchestration et la logique métier.

- DevOps et infrastructure serverless pour une flexibilité d’usage et une scalabilité optimisée.

- Conception UX/UI adaptée aux besoins des utilisateurs.

- Intégration Outlook via ICS pour synchronisation des agendas existants.

​

Expertises mobilisées : définition de produit, conception UX/UI, maîtrise d’œuvre, développement backend & frontend, architecture et sécurité.

​

Résultats et bénéfices :

​

- Une solution d’optimisation des plannings intégrée capable de gérer automatiquement la prise de rendez-vous selon des contraintes variées.

- Flexibilité d’usage maximale grâce à l’architecture serverless et au déploiement Cloud.

- Une réduction significative du besoin en organisation manuelle et en support dédié pour la gestion des agendas.

Eurelis accompagne CITEO dans la conception, le développement et l’industrialisation d’une application métier de gestion centralisée des données de tri et de collecte, destinée à structurer, enrichir et exposer des informations essentielles pour les utilisateurs finaux via des services digitaux fiables et cohérents.

​

CITEO est un éco-organisme français chargé d’accompagner les acteurs publics et privés dans la gestion des déchets et la performance des gestes citoyens liés au tri.

​

Contexte du projet :

​

Dans le cadre de ses missions pédagogiques et d’information des citoyens sur le tri, CITEO a souhaité structurer les consignes de tri et les données de collecte afin qu’elles puissent alimenter de manière homogène un ensemble de dispositifs numériques, notamment le portail “Trier c’est Donner” et l’application mobile “Guide du tri”.

​

Objectifs du projet :

​

- Concevoir une application métier centralisée de structuration de données.

- Permettre une gestion unifiée des points de collecte (bornes, déchèteries) pour 35 000 communes françaises.

- Structurer et maintenir une base produit et emballage riche (plus de 34 000 produits).

- Alimenter des services digitaux externes via une API robuste et homogène.

​

Défis techniques et organisationnels :

​

- Structurer des jeux de données hétérogènes et volumineux, provenant de sources open data et de plateformes spécialisées.

- Concevoir un back-office intuitif et sécurisé pour différents types d’utilisateurs (intervenants CITEO et représentants des collectivités).

- Garantir la cohérence et la qualité des données exposées à grande échelle.

​

Approche de co-conception :

Eurelis a conduit la démarche en collaboration étroite avec les équipes métiers et techniques de CITEO :

​

- Analyse des besoins métiers et des sources de données.

- Conception d’un modèle de données unifié et d’une architecture cadrée API-first.

- Développement d’un back-office adapté pour la structuration, l’enrichissement et la supervision des données.

- Mise en place de l’API exposant les données pour les services externes.

​

Solution technique et expertises mobilisées :

La solution s’appuie sur une architecture moderne et scalable, intégrant :

​

- Back-office métier développé sur Symfony, structurant les données de collecte et de tri.

- API REST pour exposer et synchroniser les données vers les dispositifs frontaux.

- Base de données et intégrations Open Data publiques et privées pour enrichir les données métiers.

- Technologies front & back incluant Angular, Elasticsearch, PHP et JavaScript.

Méthodes agiles et expertise en gestion de la donnée structurée.

​

Résultats et bénéfices :

​

- Un back-office robuste utilisé par plus de 1 000 utilisateurs impliqués dans la mise à jour des données locales.

- Une API centralisée alimentant des applications digitales grand public (mobile et web).

- Une qualité de données homogène et fiable, essentielle pour une information du tri efficace.

- Une contribution active à la mission de sensibilisation au tri grâce à des dispositifs numériques performants.

Eurelis accompagne Mastrad, marque française reconnue d’ustensiles de cuisine innovants, dans la conception, le développement et l’industrialisation d’une application intelligente intégrant un algorithme prédictif de cuisson pour optimiser l’expérience utilisateur et renforcer la valeur ajoutée des produits connectés.

​

Mastrad est une société française spécialisée dans les instruments de cuisine innovants, et notamment dans les solutions de contrôle de la température de cuisson destinées aux professionnels et aux particuliers.

​

Contexte du projet :

​

Dans le cadre du développement de nouvelles fonctionnalités pour ses produits connectés, Mastrad a confié à Eurelis la conception d’un algorithme prédictif de cuisson, capable d’estimer le temps restant de cuisson en fonction de différents paramètres (type d’aliment, méthode de cuisson, préférences utilisateur).

​

Objectifs du projet :

​

- Concevoir un modèle de Machine Learning fiable pour prédire les temps de cuisson restants.

- Intégrer cette intelligence dans une application métier robuste, scalable et adaptée aux contextes variés de cuisson.

- Déployer une infrastructure cloud capable de gérer l’entraînement, la supervision et la distribution du modèle.

- Optimiser les coûts et assurer la scalabilité grâce à des composants serverless.

​

Défis techniques et organisationnels :

​

- Exploiter des données hétérogènes issues de sondes culinaires pour constituer un modèle prédictif fiable.

- Concevoir une solution capable de s’adapter à une grande variété de cas de cuisson (viande, poisson, différentes méthodes et dispositifs).

- Mettre en place une architecture cloud scalable et résiliente, tout en garantissant simplicité d’intégration pour les applications clientes.

- Approche de co-création

​

Eurelis a travaillé en étroite collaboration avec les équipes Mastrad pour :

​

- Analyser et structurer les données remontées par les sondes culinaires.

- Concevoir un modèle de Machine Learning basé sur TensorFlow, entraîné puis supervisé via une infrastructure Cloud.

- Développer l’intégration backend pour permettre l’entraînement à la demande et la supervision de la qualité des prédictions.

​

Solution technique et expertises mobilisées :

​

La plateforme s’appuie sur une combinaison d’expertises techniques modernes :

- Machine Learning & Algorithmie prédictive avec TensorFlow (Python).

- Infrastructure Cloud AWS pour orchestrer l’entraînement, la supervision et la distribution du modèle.

- Architecture backend scalable, exploitant des composants serverless pour optimiser la performance et les coûts.

- Application métier permettant la supervision et l’exploitation du système de prédiction.

​

Résultats et bénéfices :

​

- Mise en place d’un modèle prédictif fiable, capable d’estimer avec précision les temps restants de cuisson dans des contextes variés.

- Infrastructure backend scalable permettant l’évolution continue des modèles et l’intégration dans les applications clientes.

- Optimisation des coûts via une architecture serverless adaptée aux variations de charge.

Autonomie de Mastrad dans la supervision, l’entraînement et l’amélioration du modèle de prédiction.