🤖 Design Modèle IA pour la pharmacie
Ce projet vise à démontrer, via un POC (Proof of Concept), l’intérêt d’une solution d’intelligence artificielle capable de recommander des produits para-pharmaceutiques à promouvoir dans les officines partenaires d'un Groupe Leader dans le domaine des officines. L’objectif est de soulager les pharmaciens d’une tâche commerciale qui sort de leur cœur de métier, en optimisant automatiquement les campagnes commercilaes grâce à des modèles de machine learning, tout en assurant l’intégration dans l’environnement technique existant.
🤖 POC IA – Suggestion intelligente de produits promotionnels en pharmacie
🎯 Objectif du projet
Créer un démonstrateur IA pour aider les pharmaciens à proposer automatiquement des produits para-pharmaceutiques en promotion, en fonction des périodes, des données disponibles, et sans compétence commerciale spécifique.
🏥 Contexte
- Les pharmaciens ne sont pas des commerciaux : les promotions sont souvent basées sur l’intuition ou les saisons.
- Les groupements d’achats imposent des promotions, mais leur efficacité n’est pas toujours mesurée.
- Le POC permettrait au groupe de proposer une solution différenciante pour ses clients.
🧰 Stack technique existante
- 💽 BDD Oracle
- 🛠️ Technologies : Hibernate, Spring, JSF, AngularJS, React.js, SQL
- 📊 Datawarehouse sous Snowflakes
🔎 Objectifs du POC IA
- 🎯 Démontrer l’impact de l’IA sur l’optimisation des promotions
- 📈 Identifier les critères d’une promo performante
- 🧠 Implémenter des modèles de ML adaptés
- 🧪 Tester sur des pharmacies pilotes
- 🔁 Mesurer, ajuster, intégrer progressivement
- ⚙️ Automatiser la chaîne IA
- 🚀 Préparer le déploiement étendu
🧱 Work Packages (WP)
📋 WP1 : Validation des besoins (3j)
- 🧑💼 Chef de projet IA, analyste métier
- Objectif : valider les objectifs, planifier
📊 WP2 : Collecte & préparation des données (7j)
- 🧪 Data engineer, data scientist
- Objectif : extraire et préparer les données
🧠 WP3 : Développement du modèle IA (15j)
- 🔧 Python, Scikit-learn, Keras, Dataiku DSS
- Objectif : concevoir, entraîner, simuler
🧪 WP4 : Tests & validation (7j)
- 🧑🔬 QA analyst, data scientist
- Objectif : fiabilité et applicabilité
🚀 WP5 : Stratégie de déploiement (5j)
- 🧭 Chef de projet, consultant stratégie
- Objectif : préparer l’industrialisation
📣 WP6 : Présentation & feedback (5j)
- 🎤 Présentation à la direction, retours terrain
👥 Équipe & compétences
- John : Data scientist senior – projets R, IA vocale, bot, IA jeux
- Zo : Pilotage IA – projets CEA, ISL, classification, RNN, K-Means
- Axel : Planification, stratégie, rédaction
📦 Modalités
- 🔄 Suivi continu avec jalons et validation client
- ✅ Présentation des livrables avec feedback et ajustements
- 📅 Facturation mensuelle, selon jours validés
- 🚫 Frais de déplacement non inclus
✅ Livrables attendus
- 🔍 Modèle IA fonctionnel et testé
- 📊 Rapport d'analyse et performance
- 📣 Présentation des résultats aux parties prenantes
- 📑 Recommandations pour intégration future
