Pourquoi ce projet
L'aéroport, c'est un environnement à fort enjeu : 15 minutes d'erreur de prédiction et tout cascade en vols manqués, terminaux saturés, personnels mal placés. SopassFlow a été conçu pour donner aux équipes opérationnelles une couche de prévision : anticiper les volumes de passagers par créneau, détecter les anomalies tôt, et suggérer des réaffectations de ressources avant que les goulots d'étranglement ne se forment — pas après.
Ce que j'ai appris
- Le forecasting de séries temporelles en contexte aéroport est plus complexe qu'il n'y paraît : la saisonnalité s'empile sur plusieurs couches (heure, jour, vacances, changements de planning) et les chocs externes (retards, annulations) sont fréquents.
- Il y a un monde entre un modèle qui performe sur l'historique et un modèle réellement utile aux équipes au sol. Le format de sortie et la fréquence de rafraîchissement pèsent autant que la précision.
- Poser une couche d'optimisation d'allocation par-dessus la prédiction fait passer l'outil d'un simple tableau de bord à un vrai système d'aide à la décision — c'est là que se crée la valeur.
- Travailler avec des opérationnels m'a appris que l'explicabilité n'est pas un bonus, c'est un prérequis. Personne ne redéploie 20 agents au sol sur la foi d'un score opaque.