Contexte

KickMaker est un cabinet spécialisé en industrialisation et robotique qui souhaitait structurer un pôle IA & data pour :

  • répondre aux besoins croissants de ses clients en solutions intelligentes,
  • développer des projets de recherche internes afin d’innover dans ses métiers.

Besoin

  • Développement commercial : définir une offre IA/data attractive et différenciante.
  • Formation interne : faire monter en compétence les ingénieurs et chefs de projet.
  • Recrutement : attirer des profils data/IA adaptés.
  • Gestion des données : centraliser et organiser les données clients et internes.
  • Ressources cloud : concevoir une infrastructure scalable et maîtrisée.
  • Réalisation de projets : lancer et piloter à la fois des projets clients et des travaux R&D.

Travail réalisé

Nous avons accompagné Kickmaker durant deux ans dans les tâches suivantes :

  • Constitution du pôle IA & data et formalisation de l’offre dédiée.
  • Parcours de formation sur mesure pour les équipes (méthodologies data, machine learning, MLOps).
  • Accompagnement au recrutement de data scientists et ingénieurs IA.
  • Mise en place d’une plateforme de gestion et de traitement des données (ingestion, qualité, catalogage).
  • Architecture et pilotage des ressources cloud (provisioning, coûts, sécurité).
  • Accompagnement lors des processus de sales.
  • Réalisation de projets clients et R&D :
    • études internes de recherche appliquée,
    • développement de POCs IA sur cas d’usage industriels,
    • création d’outils de génération de données synthétiques,
    • analyses multi-dimensionnelles et data visualisations,
    • participation à des projets de recherche en collaboration avec des partenaires externes.

Résultats

  • Pôle IA & data pleinement opérationnel avec une offre packagée alignée sur les besoins marché.
  • Plus de 20 ingénieur·es formé·es aux bonnes pratiques IA et data en deux ans.
  • Recrutement de profils clés (data scientists, MLOps engineers).
  • Livraison de plusieurs POCs clients validés, ouvrant la voie à des déploiements industriels.
  • Outils de génération de données synthétiques et pipelines d’analyse opérationnels, soutenant les développements R&D et la co-innovation avec des partenaires externes.