ai4industry — IA pour l'industrie
Workshop d'une semaine sur l'IA appliquée à l'industrie : résolution en équipe d'un cas d'usage réel de la DGFiP (prédiction de commandes de consommables). Équipe classée 3e !
À propos du projet
ai4industry est un workshop d'une semaine organisé chaque année en Nouvelle-Aquitaine par un consortium d'écoles et d'entreprises (ai4industry.fr) : il alterne conférences sur l'IA et sessions de travail où des équipes d'étudiants résolvent, dans un esprit hackathon, des cas d'usage réels apportés par des entreprises, encadrés par un expert métier et des experts IA. Notre cas d'usage était porté par la DISI Sud-Ouest (DGFiP) pour son centre éditique ESI 86 de Poitiers, qui produit environ 40 millions de plis par an : prédire, deux mois à l'avance et sur un horizon de trois mois, les commandes de consommables (bobines de papier, enveloppes, bacs et chariots) sous fortes contraintes de stockage et de livraisons par camions complets. À partir des plans de charge et des relevés de production 2022-2025, nous avons construit toute la chaîne : extraction et nettoyage des données, feature engineering temporel (saisonnalité, lags, moyennes mobiles), puis un modèle XGBoost en deux phases (prédiction des plis, puis des pages) atteignant une erreur totale de +2 % sur l'année, décliné en prédictions de palettes par consommable et complété par une simulation de gestion de stock. Notre équipe a terminé 3e du workshop.
Technologies utilisées
- Python
- XGBoost
- Gradient Boosting
- scikit-learn
- Pandas
- Feature engineering temporel
- Séries temporelles
- Nettoyage de données
- Cas d'usage industriel réel
- Travail en équipe
- Restitution devant experts
Fonctionnalités
- Cas d'usage réel DGFiP / DISI Sud-Ouest (éditique, ~40M plis/an)
- Prédiction des commandes 2 mois à l'avance sur 3 mois
- Modèle XGBoost en 2 phases (plis puis pages)
- Erreur totale de +2 % sur l'année
- Prédiction des palettes par consommable
- Simulation de gestion de stock sous contraintes
- Feature engineering temporel (saisonnalité, lags)
- Encadrement par experts IA et expert métier
- 🏆 Équipe classée 3e du workshop