Recherche & Développement

DataStorm mène une activité de Recherche & Développement complémentaire à la recherche académique du groupe ENSAE-ENSAI

Datastorm permet aux entreprises et aux organisations publiques d’enrichir leur propre capacité de Recherche et Développement par l’adjonction de l’expertise très riche en Data Science, en Intelligence Artificielle et en Economie des laboratoires du Groupe ENSAE-ENSAI et plus largement de l’Institut polytechnique de Paris.
Afin de proposer à nos clients les solutions et algorithmes les plus pertinents et performants, nous dédions 20% du temps à des travaux de Recherche & Développement, ce qui offre à nos collaborateurs la possibilité de se tenir en permanence à la pointe des outils et méthodes mis en œuvre.

Recherche & Développement

R&D

Livre Blanc Datastorm : Déployer une procédure d’Anonymisation

Dans ce Livre Blanc, nous établissons les bases permettant de déployer une procédure générique et rigoureuse d’anonymisation : comment valoriser des données en respectant les contraintes imposées par le RGPD ? Comment préserver les données à caractère personnel ou sensibles de vos clients et collaborateurs sans réduire vos capacités d’analyse ? Comment auditer vos procédures d’anonymisation pour vous prémunir des risques juridiques ?

27 août 2020
R&D

Enedis et Datastorm : l’économétrie et la recherche au service de la décision stratégique

La Direction de la Stratégie d’Enedis s’appuie sur les travaux économétriques de Datastorm pour mieux comprendre les phénomènes d’élasticité-prix de l’électricité. Laurent Gilotte, Chargé de mission Stratégie chez Enedis, nous éclaire sur l’apport de ces outils et méthodes dans l’aide à la décision. Laurent Gilotte, quel est le rôle de la Direction de la Stratégie […]

27 juin 2020
R&D

R&D : l’agrément CIR de Datastorm renouvelé

Le Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation renouvelle l’agrément Crédit Impôt Recherche de Datastorm pour la période 2020-2022. Le renouvellement de l’agrément Crédit Impôt Recherche pour 3 ans distingue la filiale d’expertise et de conseil du groupe ENSAE-ENSAI dans sa capacité à accompagner l’innovation des entreprises dans un contexte de valorisation […]

10 mai 2020

Le fil

Suivez notre actualité et nos projets

#08 : Datastorm accompagne l’innovation de RTE

RTE a développé ANTARES, un outil de simulation du fonctionnement des réseaux électriques et réseaux gaziers, dont Datastorm accompagne les développements en faisant notamment appel aux chercheurs du CREST et de l’Institut polytechnique de Paris.

Replay webinar : Comment concilier Performance business et Règlementation grâce à l’Anonymisation des données ?

Pourquoi anonymiser ? Choix de la méthode ? Comment mettre en oeuvre la k-anonymisation ? Comment outiller un département/une activité pour mener des études avec la confidentialité différentielle ? Dans ce webinar animé par Benoit Ravel, Thibaut Dubois et Martin Masson partagent leur expertise et vous expliquent comment trouver le point d’équilibre entre la maîtrise des risques d’identification et la conservation des capacités d’analyse et de valorisation des données.

« Les métiers de la data et de l’IA ne viennent pas assez à la rencontre des femmes »

Naomi Girard a rejoint la team Datastorm en 2018. Data scientist junior, elle explore toutes les facettes du métier avec un intérêt prononcé pour le Traitement du Langage Naturel et un avis éclairé sur les femmes dans la data. Rencontre.

Les exigences d’une Data Literacy réussie

Acculturer pour embarquer. Pour une entreprise, la Data Literacy est un levier puissant qui permet de partager une lecture et une compréhension commune des concepts, enjeux, processus et outils de la Data Science. Dans cet article, Benoit Ravel revient sur les incontournables de cette démarche.

Comment concilier Performance Business et Réglementation grâce à l’Anonymisation des données ?

WEBINAR – mardi 13 octobre à 11h – Pourquoi anonymiser ? Choix de la méthode ? Comment mettre en oeuvre la k-anonymisation ? Comment outiller un département/une activité pour mener des études avec la confidentialité différentielle ? Les réponses lors de ce webinar organisé en lien avec notre Livre Blanc publié début septembre.

MLOps : des solutions concrètes de maintenance de modèles en production

Une application de Machine Learning apporte un défi par sa nature imprévisible et aléatoire : un modèle doit s’adapter aux données qu’il représente et les données sont en constante évolution. Il est alors primordial de recalibrer le modèle avant qu’il ne sous-performe. Cet article présente des solutions concrètes de maintenance de modèles en production.

Toute l'expertise du Groupe ENSAE-ENSAI

Plateau de Saclay
5 Avenue Henry-Le-Chatelier
91120 PALAISEAU - FRANCE

Paris
24 rue Barbès
92120 MONTROUGE - FRANCE