Cette présentation introduit nos travaux de recherche actuels dans l’analyse des données en temps réel pour la compréhension et la prédiction de l’évolution de la pandémie COVID-19 dans plusieurs pays, dont la France. Nous pensons que la gestion de cette crise socio-sanitaire pourrait passer par le contrôle de la courbe épidémique, ce qui permettrait de soulager le système de santé et ainsi préserver les vies des personnes vulnérables. A l’ère actuelle de la Data et l’Intelligence Artificielle (IA), Nous pensons que des techniques d’algorithmes de prédiction de l’IA devront être utilisées davantage pour comprendre le comportement de la propagation du virus, et surtout de prédire et faire une meilleure gestion de la crise en temps réel. Pour ce faire, nous avons conçu un algorithme de Machine Learning de l’intelligence collective des essaims (Swarm Intelligence), qui pour chaque pays, calcule un facteur de contagion d’une manière dynamique et adaptative liée aux caractéristiques démographiques.
En combinant ces données avec les données prélevées des cas infectés, l’algorithme prédit la date du pic épidémique et dresse les nombres des nouveaux cas à venir dans le futur. Les premiers résultats des premières semaines ont été probants et nous incite à continuer sous formes de prépublications (preprint).
02:30
Les magasins rénovent leurs espaces pour améliorer l’expérience client, mais ces transformations sont-elles toujours rentables ? Notre étude compare deux types de magasins : hédonique (expérience immersive) et utilitaire (achats fonctionnels). Dans les magasins hédoniques, la rénovation double la fréquence des achats (+105%) et augmente la valeur client (+64%), mais réduit légèrement la fidélité (-10%). Dans les magasins utilitaires, aucun effet significatif n’a été observé. Les rénovations doivent être adaptées au type de commerce : un design immersif fonctionne pour le plaisir d’achat, mais l’efficacité prime dans les magasins pratiques.
- Recherche
- Marketing, Vente et Communication
