Classification de KPIs & « météo du projet »

Le besoin

CG Project Management dispose d’un grand nombre d’indicateurs (KPIs) sur ses projets, mais ces données restaient difficiles à interpréter rapidement. L’objectif : transformer ces séries temporelles en signaux clairs, exploitables par les chefs de projet au quotidien.

Ce qui a été mis en place

• Conception d’un modèle de deep learning (TensorFlow / Keras) pour classifier des séries temporelles de différents KPIs.
• Développement d’un modèle de machine learning complémentaire qui calcule un indicateur de synthèse : la « météo du projet ».
• Mise en production des deux modèles via une API Python (FastAPI), consommée par les outils internes.
• Mise en place d’un système de monitoring (Prometheus) pour suivre l’incertitude du modèle et le comportement des requêtes en production, afin de détecter et corriger les dérives dans la durée.

Le résultat

Un signal simple et fiable (la météo du projet) qui donne une vision d’ensemble immédiate, tout en gardant la capacité de creuser dans le détail des KPIs sous-jacents. Le modèle est surveillé en continu, ce qui permet de le corriger avant qu’une dérive n’affecte les décisions prises à partir de ses résultats.