Lyon est le 2e pôle tech de France. Vos données, elles, sont encore au stade artisanal.

Lyon concentre 60 000 emplois dans le numérique, un incubateur comme H7, des formations de pointe à Emlyon et l'INSA. Le tissu tech est solide. Pourtant, la majorité des entreprises lyonnaises, y compris celles qui se disent data-driven, en sont encore au tableau de bord Excel copié-collé chaque lundi matin. Du reporting, pas de l'analyse.

Prenez la pharma. Sanofi Pasteur à Marcy-l'Étoile, BioMérieux, Boehringer Ingelheim : ces groupes génèrent des volumes massifs de données de production, de contrôle qualité, d'essais cliniques. Mais le sous-traitant pharma de 80 personnes à Gerland ? Il fait son suivi qualité dans un tableur partagé sur OneDrive. Personne ne creuse les corrélations entre lots de production et taux de non-conformité.

Côté industrie, c'est pareil. Renault Trucks à Vénissieux, la Vallée de la Chimie, les ETI manufacturières du couloir rhodanien : des données de maintenance, de logistique, de production qui dorment dans des ERP. Le directeur industriel sait qu'il y a quelque chose à en tirer. Il ne sait juste pas par où commencer.

L'agroalimentaire lyonnais, capitale gastronomique oblige, produit aussi ses données. Danone à deux pas, des dizaines de PME dans la transformation alimentaire. Les données de vente, de stock, de saisonnalité existent. Personne ne leur pose les bonnes questions avec les bonnes méthodes statistiques.

Ce que je fais pour les entreprises de Lyon

Analyse exploratoire : trouver ce que vous ne cherchiez pas

Vous avez une question business ? Je prends vos données brutes et je creuse. Analyse en Composantes Principales (ACP) pour dégager des structures cachées dans vos données de production ou de qualité. Cercles de corrélation pour comprendre quelles variables bougent ensemble. Clustering pour segmenter vos clients, vos produits ou vos marchés. Pour un industriel de Vénissieux, ça peut révéler des corrélations entre paramètres machines et rendement de production. Pour un laboratoire pharma de Gerland, des patterns dans les données de contrôle qualité que personne n'avait repérés. Ce n'est pas du reporting. C'est de l'exploration.

Analyse ad-hoc : des réponses concrètes à vos questions

"Pourquoi nos coûts de maintenance explosent depuis six mois ?" "Quel profil client génère le plus de marge dans notre réseau de distribution ?" "Nos prix sont-ils cohérents entre nos agences Lyon, Grenoble et Saint-Étienne ?" Chaque question business a une réponse qui dort dans vos données. Je construis l'analyse de bout en bout : extraction, nettoyage, exploration statistique, visualisation des résultats. Vous repartez avec un livrable clair et des recommandations actionnables. Pas un rapport de 80 pages.

Détection d'opportunités : faire travailler vos données pour la croissance

La plupart des ETI lyonnaises utilisent leurs données pour regarder en arrière. Combien on a vendu, combien on a dépensé, quel était le taux de conversion. Je fais l'inverse : j'utilise vos données pour regarder devant. Quels segments de marché sont sous-exploités dans le bassin Lyon-Saint-Étienne-Grenoble ? Quels produits pourraient être vendus ensemble en se basant sur les comportements d'achat réels ? Quelles corrélations entre vos actions marketing et vos ventes n'ont jamais été mesurées ? C'est le type d'analyse qui transforme un coût data en investissement.

Comment ça se passe

1. Échange initial (gratuit, 30 min)

Vous me décrivez votre question business. Pas besoin d'un brief structuré : "on a l'impression qu'on passe à côté de quelque chose dans nos données clients" est un point de départ parfait. Je vous dis si l'analyse est faisable et ce dont j'ai besoin pour démarrer.

2. Accès aux données et exploration initiale

Je récupère vos données (export, accès API, base SQL, peu importe le format). Je fais un premier passage : qualité des données, volume exploitable, premiers patterns. En quelques jours, vous avez une évaluation honnête de ce que vos données peuvent et ne peuvent pas dire.

3. Analyse approfondie

C'est le cœur du travail. ACP, clustering, tests statistiques, modèles de corrélation : j'applique les méthodes qui correspondent à votre question. Pas de data science pour la forme. Chaque technique est choisie parce qu'elle résout un problème concret.

4. Livrable et recommandations

Vous recevez un rapport visuel avec les résultats clés, les visualisations qui comptent, et des recommandations concrètes. Je vous présente les résultats en visio, je réponds à vos questions, et je m'assure que vous savez exactement quoi faire avec ce qu'on a trouvé.

Stack technique

Pythonpandasscikit-learnmatplotlibseabornSQLBigQueryJupyterLooker StudioTableau

Questions fréquentes

Vous êtes basé à Tbilisi, comment ça fonctionne pour un client à Lyon ?

J'ai grandi en Haute-Savoie, à une heure de Lyon. Je connais le tissu économique local. Aujourd'hui je travaille à distance depuis Tbilisi : appels visio, rapports partagés, mises à jour asynchrones. Ça fonctionne mieux que la plupart des missions sur site. Pour le lancement ou les phases sensibles, je me déplace. Lyon est à un vol direct. Mais votre ETI à Villeurbanne n'a pas besoin de moi dans ses bureaux. Elle a besoin que son analyse soit livrée dans les temps.

Combien coûte une analyse data ?

Ça dépend de la complexité de la question et du volume de données. Une analyse ad-hoc ciblée, c'est quelques jours de travail. Une exploration complète avec segmentation et modélisation, plutôt une à deux semaines. On cadre le budget ensemble au premier appel, et si le projet ne justifie pas l'investissement, je vous le dis.

Pourquoi pas CGI Lyon, Capgemini ou Atos ?

Les ESN lyonnaises sont excellentes pour les grands programmes de transformation. Mais si vous avez besoin d'une personne qui creuse vos données pendant deux semaines et vous livre des réponses claires, ce n'est pas leur modèle. Chez eux, un commercial vend le projet, un chef de projet le cadre, un consultant junior l'exécute. Chez moi, un seul interlocuteur qui fait le travail lui-même. Je travaille avec les entreprises trop petites pour Capgemini et trop ambitieuses pour "mon neveu connaît Excel".

On n'a pas de data scientist en interne. C'est un problème ?

C'est exactement pour ça que je suis là. Vous n'avez pas besoin d'une équipe data permanente pour poser une question ponctuelle à vos données. Je fais l'analyse, je présente les résultats dans un format que votre équipe comprend, et je documente tout pour que vous puissiez réutiliser les insights.

Notre entreprise est-elle assez mature pour une analyse data ?

Si vous avez des données (fichiers Excel, un CRM, un ERP, des logs), vous avez de quoi travailler. La maturité data parfaite n'existe pas, et attendre de l'atteindre avant de commencer est une erreur classique. Le premier passage exploratoire me permet justement d'évaluer ce que vos données peuvent dire. Si elles sont trop incomplètes, je vous le dis avant de facturer une analyse qui ne mènerait nulle part.