- Data
- Conférence
- 55 min
Prédire les crues de la Vilaine avec le Deep Learning — de la donnée brute à la production
Date jeudi
Horaire 14h00 à 14h55
Salle Amphi C
Description
La Vilaine déborde. Pas une surprise pour les Bretons — mais peut-on vraiment l'anticiper 24h à l'avance, station par station, avec une marge d'erreur fiable ? Tout est parti d'une frustration : début février 2026, Vigicrues tombe en panne au pire moment — en pleine période de crues hivernales. En cherchant une alternative, je tombe sur l'API publique EauFrance — et l'idée germe : et si j'entraînais un modèle directement sur ces données brutes ? Au cœur du projet, une intuition : chaque station hydrométrique a sa propre dynamique, mais les stations ne sont pas indépendantes — une montée des eaux à l'amont annonce ce qui va se passer à l'aval. J'ai donc conçu une architecture où un LSTM par station capture la dynamique locale, et un mécanisme d'attention permet aux stations de "se parler" entre elles. Dans ce retour d'expérience, je vous raconte le chemin : les données croisées, les choix d'architecture, et les décisions d'ingénierie qui font la différence entre un modèle qui marche en notebook et un système qui tourne vraiment en production.
Orateur·ices
Sébastien Burel
Ingénieur de formation (EPITA, spécialisation IA, promo 1993), Sébastien est CEO & Founder de haruni, studio tech spécialisé en IA, Cloud AWS et développement d'applications web et mobile. Avec plus de 30 ans d'expérience dans l'industrie internet, il a notamment créé Frigo Magic — application téléchargée 3 millions de fois, économisant près de 10 millions de repas par an — et conçu des architectures cloud pour startups, PME et grands comptes. Aujourd'hui, il se consacre à des projets alliant IA générative et machine learning appliqué, comme ce système de prédiction de crues sur la Vilaine, de la collecte de données jusqu'au déploiement en production.
Actions rapides
Les sessions futures sur le même thème
- Data
- Conférence
[REX] Une plateforme de données moderne avec Airflow, OpenMetadata, DBT, Google Cloud et Terraform
Un SI moderne est souvent composé de nombreuses applications hétérogènes, portant chacune ses propres données. Comment dans ce cas vérifier la cohérence des données de ces différents référentiels, et centraliser une donnée fiable, notamment dans un but de reporting aux équipes métier ? Comment mettre en place une gouvernance des données, des tests de qualité sur ces données dans un contexte réparti ? Ce sont les questions que nous nous sommes posées, et auxquelles nous avons répondu par la création d'une plateforme de données utilisant la philosophie ELT (Extract, Load, Transform) basée sur l'orchestrateur Airflow, sur la brique de gouvernance OpenMetadata et sur DBT pour la gestion des transformations "as code", le tout déployé par Terraform sur Google Cloud. Lors de ce talk, nous partagerons notre retour d'expérience sur la création de cette plateforme : - Réflexions initiales et choix des briques technologiques - Prototypages de la solution et apprentissages - Industrialisation - État actuel de la plateforme et réflexions futures Nous zoomerons notamment sur les différentes briques techniques utilisées, sur notre compréhension de leur fonctionnement et sur nos retours d'utilisation. Nous expliquerons également comment nous avons cherché à rapprocher les pratiques Data, Dev, Ops et sécurité pour réduire le "time to insight" (le temps entre la génération d'une donnée et la mise à disposition d'analyses basées sur cette donnée) et augmenter le "data trust" (la confiance dans les données utilisées pour le reporting) tout en assurant la robustesse de la plateforme.
Vendredi
9h30 à 10h25 - Amphi A