Phiadvisor est une startup de la Fintech dont l’objet est de délivrer aux Sociétés de Gestion, Banques Privées et Family Offices des idées et des stratégies d’investissement.
Pour cela, Phiadvisor s’appuie en particulier sur :
Après une augmentation de capital, la question s’est posée pour Phiadvisor de réaliser les développements en interne en recrutant, ou au contraire de les confier à une agence digitale.
Les enjeux identifiés étaient importants. Forts de quelques expériences en mode « lab », Phiadvisor avait constaté qu’il fallait cumuler de nombreuses compétences pour réussir ce projet : base de données, compréhension des logiques d’algorithmes, capacité à intégrer des données externes, grande fiabilité dans la production, optimisation des traitements, design du site et de l’application, maintenance des programmes dans la durée, le tout dans un contexte client très exigeant.
Phiadvisor a donc considéré que de recourir à une société partenaire, sous réserve qu’elle soit de grande qualité, était la meilleure option pour disposer de l’ensemble de ces compétences et assurer dans la durée la robustesse de l’application et des algorithmes.
Phiadvisor a tout d’abord accepté une première phase rapide de cadrage qui a permis de travailler par la suite avec beaucoup de sérénité et sans aucune incompréhension.
Phiadvisor avait cinq grands objectifs :
À cela s’est ajouté par la suite un objectif d’affiner certains algorithmes : de nombreux paramètres conditionnent leur prise de décision, certains étant continus, amenant à une infinité de combinaisons possibles. L’objectif est alors d’optimiser le réglage de ces paramètres de manière à maximiser un score de performance.
Nous avons implémenté une méthode d’optimisation bayésienne qui consiste à estimer la valeur du score de performance, de manière probabiliste, sur tout l’espace des hyper-paramètres. Cette méthode s’appuie sur deux principes :
L’équipe Kernix a réussi à tenir des délais serrés tout en respectant le budget. Notre mode de fonctionnement, sans effet tunnel grâce à une communication constante et des livrables régulièrement partagés, a favorisé le bon déroulement de ce projet.
Au final, nous avons successivement réalisé :
Nous avons ensuite mis en place une prestation de maintenance, ainsi que des contrats ouverts de développement, qui s’avèrent très souple d’utilisation.
La solution d’Intelligence Artificielle mise en place pour régler les paramètres de certains algorithmes a permis d’améliorer significativement le score de performance. Les nouveaux paramètres ont donc été utilisés pour la version en production.
