Sébastien Guissart

Je présente ici les réalisations faites pour la société LOXAM, société de location d’équipement n°1 d’Europe.

‍
‍Première réalisation : moteur de quantification du risque de défaillance financière de nos clients

Chez LOXAM, la majorité de nos clients sont des artisans et des PME du secteur du BTP. Nous offrons à nos clients professionnels une facilité de paiement avec un délai de 45 jours après facturation. Cependant, ces délais de paiement peuvent exposer notre entreprise à des risques, notamment en cas de redressement judiciaire où les dettes sont gelées. Afin de renforcer notre processus de recouvrement et de prévenir les impayés, nous avons mis en place un moteur d’intelligence artificielle de scoring. Cet outil score chaque client, ce qui nous permet de prioriser les relances et, dans certains cas, d’accélérer le processus.

‍2eme réalisation: Modèle de réforme prédictive.

Chez LOXAM, une grande partie de nos investissements en CAPEX est consacrée à notre parc d’équipements. Le gros matériel s’amortit sur plusieurs années et sa maintenance peut fortement impacter notre marge brute. Décider de l’âge de revente d’un équipement est donc une décision stratégique cruciale. Lorsqu’un matériel tombe en panne, il est souvent difficile de choisir entre réparation et réforme. Pour rendre ce processus plus « data-driven », nous avons développé les éléments suivants:- Le calcul de la marge brute par équipement, prenant en compte l’achat, le chiffre d’affaires de location, la maintenance et la réforme. - Une étude statistique de la marge brute, nous permettant de définir des seuils de chiffre d’affaires en dessous desquels une machine n’est plus rentable. - Un modèle prédictif du chiffre d’affaires de location, basé sur l’historique de maintenance de l’équipement.- Un modèle probabiliste de réforme du gros matériel dans le tempsAvec ces éléments et en prenant en compte le coût de la réparation, nous pouvons facilement recommander la meilleure option entre réparation et réforme.

Vision des enjeux business pour le secteur de la location de matériel.

Dans le secteur de la location de matériel, la data science joue un rôle crucial pour répondre aux enjeux business. Ma vision se décline en trois axes principaux :

Gestion du parc d’équipements :
- Investissements : La data science permet d’anticiper les besoins en équipements en fonction des secteurs et des conjonctures économiques.

- Maintenance : Passer de la maintenance préventive à la maintenance prédictive réduit le nombre d’interventions et de pannes.

- Disponibilité du matériel : La répartition des machines sur le territoire peut être optimisée pour mieux répondre à la demande.

Amélioration de l’excellence opérationnelle :
De nombreuses tâches répétitives et à faible valeur ajoutée peuvent être automatisées grâce à l’essor de l’intelligence artificielle générative (Gen AI), permettant ainsi à nos collaborateurs de se concentrer sur des tâches à forte valeur ajoutée.

Personnalisation du marketing :
Le matériel de location est aussi divers que les besoins de nos clients. La data science permet de personnaliser les approches marketing et commerciales, améliorant ainsi l’acquisition, la rétention et les ventes croisées.