Notre focus est de trouver les meilleures solutions à vos problèmes les plus complexes.

10h11 déploie un programme de recherche

Depuis 2011, 10h11 travaille avec les plus grandes entreprises industrielles dans l'objectif de répondre à leur problématique de data. Pour continuer à servir nos collaborations de la meilleure des manières, nous investissons chaque année plus de 30% de notre temps à l'innovation, la recherche et le développement.

Depuis janvier 2016, nous avons construit un programme de recherche sur 3 ans avec des écoles d'ingénieurs et universitaires. Ce programme porte le nom de VEDA et s'articule sur les thématiques suivantes :

Quels sont les piliers de notre programme de recherche ?

Composant 1 : base de données hétérogènes

L'objectif des travaux est d'étudier et de concevoir une approche de modélisation d'une base de données (bdd) intégrée construite sur un noyau de modèle établi en s'appuyant sur les schémas des bdd sources, et qui par un procédé de machine learning à partir de sources de données (ouvertes ou non) aboutit à un modèle final de la bdd intégrée.

Composant 2 : algorithmie de données

L'objectif des travaux est la conception d'algorithmes de traitement sur les données. Ceux-ci mettront en oeuvre des approches de type calcul multicritères ou de type machine learning.

Composant 3 : visualisation cognitive

L'objectif des travaux est de fonder une approche en visualisation cognitive exploitant essentiellement le contexte d'usage et les usages en fonction des catégories d'utilisateurs.

Composant 4 : Architecture scalable de tableau de bord

L'objectif des travaux est de concevoir une nouvelle architecture supportant les mécanismes de construction dynamique de base de données intégrée, l'interactivité accrue et la scalabilité.


Le scoring de données géolocalisées

Les 4 composantes nous amènent à développer aujourd'hui une technologie nous permettant de compiler de l'open-data et private-data pour créer un score sur mesure.

Comment cela fonctionne ?

Nous compilons l'open-data et le private-data par l'intermédiaire de machine de scrapping. Ensuite, nous venons positionner géographiquement cette donnée sur une cartographie interactive. En parallèle, nous établissons le personae ou le profil de l'entité souhaitant scorer cette donnée. Puis, nous pondérons chacune des variables de données disponibles pour générer un score par algorithme.

Quel peut être l'usage industriel ?

Nous pensons que les décisions d'une Smart-City se prendront par l'intermédiaire de cote de la même manière qu'un bookmaker évalue les probabilités de risque de victoire ou de défaite d'un match. Ainsi, lorsqu'une organisation publique, une industrie voire un citoyen souhaite prendre une décision impliquant un caractère géographique, nous sommes en mesure, sur la base de son profil et de ses préférences, de lui fournir des cotes pour l'aider à prendre la meilleure décision possible.


Ils soutiennent notre R&D et nous les en remercions :

jeune entreprise innovante
ministère de l'éducation nationale, de l'enseignement supérieur et de la recherche
école d'ingénieurs ensc
institut polytechnique bordeaux
bpi france
Région nouvelle aquitaine
Groupe publicis