Au sein de l’équipe Sheldon, j’ai eu l’opportunité de participer à la conception ainsi qu’au
développement de différents projets liés au conseil en stratégie.
L’équipe Sheldon était constitué de 4 développeurs full-stack, 1 UX, 2 PO, 1 devops et 2 Data scientist
ainsi qu’un delivery center aux Philippines.
Projet 1 – Ventures
Ventures est la branche Venture Capitalist d’Accenture qui propose à ses clients des stratégies
d’investissements et partenariats avec des startups.
En se basant sur plusieurs sources de données tel que Crunchbase, nous avons mis en place un
moteur de scoring et de similarité permettant d’analyser tout un écosystème de startups.
Sur l’interface web Ventures, les utilisateurs peuvent faire des recherches selon les critères
complets des sociétés, créer des portefeuilles de startups et partager ces portefeuilles avec
d’autres utilisateurs.
La mise à jour des données quotidienne déclenche un recalcul des score d’intérêt, relevance et
similarité puis une indexation dans Elasticsearch.
BienBon est un chatbot de recommandation de restaurant et de bars à Paris.
Les utilisateurs chat naturellement avec le bot sur Facebook Messenger et reçoivent des propositions
de restaurants selon leur geo-localisation, leur envie de cuisine, le type d’ambiance ou encore la taille
de la terrasse recherchée.
Le bot est composé de plusieurs éléments qui le rendent intelligent tel que 2 modèles NLP, un moteur
de recherche sémantique basé sur elasticsearch et un système de dialogues composables.
Actuellement le bot totalise 300 utilisateurs uniques avec en moyenne 3 nouvelles conversations par
jours.
Projet 1 – Chatbot sur Facebook Messenger
Principaux enjeux :
o Designer une UX de conversation non intrusive
o Implémenter le framework de conversation BotBuilder de Microsoft
o Rendre la structure du bot modulable et les features débrayables
o Designer l’ensemble d’UI permettant à l’utilisateur d’interagir avec le minimum d’actions
o Mise en cache de l’état du bot pour être stateless
• Création du workflow conversationnel en Random Access Navigation
• Création de dialogues permettant de rendre modulable les conversations
• Création de Scorable Dialogs pour rendre la conversation du bot évolutive et débrayer les features
• Design de l’UI pour Facebook Messenger
• Intégration avec Facebook Messenger
• Mise en cache de l’état de la conversation avec Redis
• Déploiement de l’application sur un slot production de l’App Service Azure
• Création d’un slot de développement dans l’App Service Azure
• 70% de couverture de code en TDD
• Mise en place de test d’acceptance pour les conversations les plus courantes
Depuis les dernières crises de liquidités, les grandes banques européennes ...
Projet 2 – Ventures Chatbot
Afin de faciliter l’intégration des fonctionnalités de Ventures sur d’autres clients, nous avons
développé un bot utilisant l’API Ventures qui délivre une expérience utilisateur en langage naturel.
Projet 3 – Case Finder
Case Finder simplifie la recherche et l’analyse des études de cas que les consultants ou analystes
présentent aux clients.
Case Finder se base principalement sur le dataset Factiva constitué de millions d’articles provenant de
plus de 30000 sources.
Le pipeline de données se décompose en 3 grandes étapes.
Premièrement, le téléchargement des nouveaux articles de Factiva via son api puis récupération des
articles crawlés.
Deuxième étape la classification, les articles sont classifiés par technologie, industrie, levier métier,
fonction métier par un random forest multilabel puis une seconde classification binaire celle-ci,
détermine si l’article inclut une étude de cas ou non.
Dernière étape les données sont indexées dans elasticsearch.
Le consultant utilise l’interface de principale pour rechercher les études de cas qui correspondent à la
demande de son client grâce aux filtres ou bien mots clés. Il peut ensuite créer des listes avec sa
sélection d’articles.
Projet 2 – Modèle de machine learning NLP
Principaux enjeux :
o Définition des intentions (intents)
o Définition des entités
o Création du modèle supervisé
o Entrainement du modèle
o Automatisation des tests de régressions
• Création des modèles NLP avec luis.ai
• Création du corpus 5000 utterances
• Entrainement du modèle
Projet 3 – Moteur de recherche de restaurants et bars
Principaux enjeux :
o Scrapping et ingestion des données
o Créer un moteur de recherche pour les lieux
o Rechercher des lieux en fonction d’un tag ou bien de son synonyme
o Geo-fencing des restaurants en fonction d’une geo-loc ou d’un polygon indexés
o Classement des lieux en fonctions des différents critères de recherches
• Web scrapping sur différentes sources
• Algorithme de rating des restaurants en fonction de différentes variables
• Mise en place du cluster Elasticsearch avec puppet
• Definition de customs analyzers Elasticsearch: synonyms token filters, tokenizers, etc…
• Fonction de sorting sur Elasticsearch en fonction de la distance la plus courte
• Indexation des polygones géographiques : rues, quartiers, arrondissements, etc…
Projet 4 – Back-office de gestion du référentiel
Principaux enjeux :
o Sélection finale des lieux à recommander
o Formatage des données
o Gestion manuelle du référentiel
o Sécurité des données
o Ré-indexation des données à la demande
• Sourcing d’un designer UX/UI
• Suivi du design de l’UX et UI avec le designer Ukrainien
• Implémentation du design en Angular Material
• Création d’une API REST en C#
• Création des requêtes CRUD Elasticsearch
• Batch elasticsearch de migration des données entre index
• Implémentation du protocole d’authentification OAuth2 avec Owin
• Gestion de la base utilisateurs et des rôles avec Azure DocumentDb
• Déploiement de l’application sur un slot production de l’App Service Azure
Projet 4 – Listes personnalisable de favoris
Principaux enjeux :
o Design de l’UX/UI pour une intégration dans Messenger native
o Gestion d’une liste de lieux favoris dans Messenger
o Intégration dans une webview Messenger
o Simplifier le partage de ces favoris avec des amis ou dans un groupe Messenger
• Sourcing d’un designer UX/UI
• Suivi du design de l’UX et UI avec le designer Ukrainien
• Module de sharing des favoris
• Implémentation du design en React.js
• Création d’une API REST en C#
• Création des requêtes CRUD Elasticsearch
• Déploiement de l’application sur un slot production de l’App Service Azure
Projet 5 – Application restaurant pour gérer les commandes clients
Principaux enjeux :
o Cross plateformes
o Visualiser les commandes à préparer
o Visualiser l’historique des commandes
o Gérer les horaires du restaurant
o Gérer le menu du restaurant
• Design simple de l’UI
• Implémentation des composants en React-Native pour Android
• Création d’une API REST pour les restaurants en C#
• Création des requêtes CRUD MongoDb
• Déploiement de l’application sur un slot production de l’App Service Azure
Studio Online, Mongodb, Azure DocumentDb
Environnement :C#, Web Api2, AngularJs 1.5, Angular Material,Gulp, Elasticsearch,AzureWeb App, Git, Visual Studio Online, Mongodb, Azure DocumentDb,Facebook Messenger, SwaggerProjet 4–Listes personnalisablede favorisPrincipaux enjeux:oDesign de l’UX/UI pour une intégration dans Messenger nativeoGestion d’une liste de lieux favorisdans MessengeroIntégration dans une webviewMessengeroSimplifier le partage de ces favoris avec des amis ou dans un groupeMessenger•Sourcing d’un designer UX/UI•Suivi du design de l’UX et UI avec le designer Ukrainien•Module de sharing des favoris•Implémentation du design en React.js•Création d’une API REST en C#•Création des requêtes CRUD Elasticsearch•Déploiement de l’application sur un slot production de l’App Service AzureEnvironnement :C#, Web Api2, AngularJs 1.5, Angular Material,Gulp, Elasticsearch, Azure Web App, Git, Visual Studio Online, Mongodb, Azure DocumentDb, Facebook MessengerProjet 5–Application restaurantpour gérer les commandesclientsPrincipaux enjeux:oCross plateformesoVisualiser les commandes à prépareroVisualiser l’historique des commandesoGérer les horaires du restaurantoGérer le menu du restaurant•Design simple de l’UI•Implémentation des composants en React-Nativepour Android•Création d’une API REST pour les restaurants en C#•Création des requêtes CRUD MongoDb•Déploiement de l’application sur un slot production de l’App Service AzureEnvironnement :C#, Web Api2, React Native,Android,Elasticsearch, Azure Web App, Git, Visual Studio Online, Mongodb, Azure DocumentDb