🔔

N'attends plus et lance toi !

Je m'informe gratuitement >
croix
Le programme dans tes mails
Attention il est peut-être dans tes spams
Tu en apprendras plus sur notre mission, notre pédagogie, et notre programme.
Ton pigeon voyageur est en chemin attend 1 ou 2 minutes qu'il arrive !
Oops! Il semble que ça ne fonctionne pas. Si l'erreur persiste, n'hésite pas à nous contacter !

Permettre de réduire son empreinte carbone grâce à la data !

Projet apprenant

Le projet d’Antoine, Sébastien et Paul a un vrai impact positif sur l’environnement. En analysant l’impact carbone de notre consommation énergétique en fonction des heures de la journée, la start-up Adapt a pour objectif de réduire le besoin en énergie fossile.

Permettre de réduire son empreinte carbone grâce à la data !

Antoine, Sébastien et Paul ont terminé avec brio le bootcamp DataBird en juin 2022. Ils aiment le challenge et n’ont pas hésité à repousser leurs limites ! Pour la jeune start-up Adapt - qui propose la “météo de l’intensité carbone de l’électricité” afin de limiter notre consommation d’énergies nucléaires et fossiles - ils ont analysé la fiabilité de l’algorithme existant et proposé un nouveau modèle de machine learning, rien que ça ! Pour en savoir plus, il faut lire la suite 👀

Table des matières

Quelle était ton équipe et le background de chacun ?

Nous étions trois à prendre part au projet Adapt x DataBird:

  • Sébastien Derville, a été un excellent chef de file du haut de ses 27 ans. Il s’est avéré être un atout de poids puisqu’il a une connaissance poussée dans le domaine de l'énergie, sujet principal du projet. En effet, il a passé plusieurs années à travailler dans ce secteur avant de rejoindre l’aventure DataBird.
  • Antoine Giannotta, ancien coach e-sportif, analyste, comptant aussi des expériences en communication et en management. C’est un véritable couteau-suisse. Il a pu aider au bon déroulement du projet grâce à ses capacités d’adaptations.
  • Enfin, Paul Gilsoul aussi dit “le petit prince du code”, a excellé dans son efficacité à réaliser les tâches les plus complexes. On en attendait pas moins d’un ancien de la finance: ses années d'expériences dans ce domaine et son esprit logique lui ont donné une longueur d’avance sur tout le monde dès le début des cours de programmation.

Pourquoi cette volonté de se former à la data analyse ?

Bien que nous trois venions de domaines très différents, nous avions tous un point commun: l’envie d’en connaître plus sur la data analyse, domaine auquel nous avions tous été confrontés dans nos précédents postes. Nous savions que l’analyse de donnée est un bagage de plus en plus demandé dans chacun de domaines de compétences et que nous en aurions chacun l’utilité quelque soient nos projets d’avenir.

Auprès de quelle entreprise travailliez-vous ?

Nous travaillions avec Adapt, jeune start-up créée en 2020 par Adrien, qui a pour but de délivrer à ses utilisateurs une “météo de l’intensité carbone de l’électricité”. Le principe est simple: tous les jours, selon les énergies vertes disponibles, plus ou moins d’énergie nucléaire et fossiles sont utilisées, et donc l’électricité est plus ou moins polluante. En fournissant cet indice d’intensité carbone, l’utilisateur peut savoir s’il va plus ou moins polluer et par exemple savoir s’il peut se permettre d’allumer le chauffage ou s’il vaut mieux “mettre un pull”.

Peux-tu nous expliquer le but et le déroulement du projet ? Quels outils avez-vous utilisés ?

Adapt étant une entreprise très jeune, son produit n’est pas encore terminé. Adrien et ses deux collaborateurs : Charles et Niko, nous ont donné comme missions principales:

  • D’analyser la fiabilité de l’algorithme qu’utilise Adapt pour prévoir l’intensité carbone et proposer des axes d’améliorations
  • Créer un modèle de Machine Learning qui prévoirait l’intensité carbone différemment et plus précisément que celui d’Adapt.

Pour cela nous avons utilisé principalement deux outils: Python et Tableau.

Pourquoi avoir choisi ce projet et comment vous-êtes-vous organisés ?

Le choix du projet à été très simple pour nous trois: c’est un projet qui à du sens grâce à son engagement pour l’écologie. Il allait aussi nous permettre de travailler sur des sujets qui nous intéresse: les algorithme et le machine learning, tout en utilisant des outils que l’on affectionne particulièrement: Python et Tableau.

Notre seul point faible a justement été l’organisation. C’était notre premier projet Data pour nous trois et nous avons eu du mal a prévoir les potentiels impasses que nous allions rencontrer. Néanmoins, nos bonnes relations et notre bonne communication lors des points d’équipe quotidiens ont suffit à mener à bien notre projet.

Quelles ont été les difficultés à surmonter lors du projet ?

S’il y a bien une chose que nous avons retenu de ce projet est qu’un projet Data est plein de surprises. Il faut s’attendre à ce que des choses ne fonctionnent pas et à ce que les résultats ne soient pas satisfaisants. Il faut sans arrêt se remettre en question et changer d’axe de travail si besoin, entre autres. Nous devions solliciter au maximum notre capacité d’adaptation pour ne pas perdre de temps et fournir un travail qui soit le plus ROIste possible. En effet, avec seulement deux semaines devant nous, il ne fallait pas perdre une seconde.

Qu’est-ce que tu as aimé dans ce projet et qu’est-ce que tu en retires ?

Ce projet nous a permis à tous les trois de d’abord confirmer les acquis que l’expérience DataBird nous a apportée. Nous avons pu même aller plus loin et nous pousser dans nos retranchements. C’était très gratifiant de voir qu’après seulement deux mois de cours intensifs, nous étions capable de faire avancer une entreprise dans ses réflexions data.

Le mot de la fin ?

Je n’ai qu’un seul conseil: n’hésitez plus, inscrivez-vous à la formation !

équipe DataBird formation data analyse

Tu souhaites devenir data analyst

Notre formation intensive en présentiel ou à distance en data analyse est ouverte à tous types de profils. Tu es intéressé(e) pour rejoindre notre communauté ? Postule pour en savoir plus.

A lire également :