Aller au contenu
DATAGEM CONSULTING
Menu

Nos réalisations

Des produits livrés, et qui tournent.

Cinq clients, une même méthode : nous prenons en charge tout le produit (back-end, front-end, données et infrastructure) et le faisons tourner après son lancement. Comfrt nous fait aussi confiance.

platform.fundreachr.comDonnées démo
E-mail à un investisseur rédigé par l’IA, dans l’espace campagne de FundReachr

01 · Levée de fonds · SaaS

FundReachr

Un SaaS de prospection d’investisseurs par IA, développé et lancé de bout en bout

  • Ingénierie des données
  • Ingénierie logicielle
  • Cloud et infrastructure
Fiche projetFundReachrLire l’étude de cas : FundReachr

fundreachr.com

Fiche projet

FundReachr

Un SaaS de prospection d’investisseurs par IA, développé et lancé de bout en bout

Client
FundReachr
Secteur
Levée de fonds · SaaS
Enjeu
Faire d’une idée d’automatisation de la levée de fonds un produit en ligne, en partant de zéro (ni code, ni équipe, ni infrastructure), alors que toute la promesse repose sur une base d’investisseurs qualifiée, enrichie et toujours à jour.
Notre réalisation
La plateforme complète : un moteur de données qui collecte, classe, enrichit et dédoublonne les investisseurs dans BigQuery ; une API Flask avec Auth0, facturation par crédits via Stripe et génération de messages par IA ; des workers d’envoi d’e-mails ; quatre applications React et une extension de navigateur, le tout sur Google Cloud avec Postgres hébergé chez Neon.
Résultat
Un SaaS en production sur Google Cloud, dont la facturation, l’authentification et la prospection ont été refondues à mesure que le produit trouvait son modèle.
Technologies
Python · Flask · React · PostgreSQL · BigQuery · Cloud Run · OpenAI · Stripe
Données investisseurs synchronisées dans l’application
Chaque jour
Fiche de référence par investisseur
1
Secteurs dans la taxonomie des investisseurs
43
Langues pour les messages rédigés par l’IA
11

Lire l’étude de cas

Plateforme d’extractionDonnées démo
Tableau des documents de la plateforme d’extraction de Bulq.ai

02 · BTP · IA

Bulq.ai

Du no-code à une véritable plateforme logicielle

  • Ingénierie des données
  • Ingénierie logicielle
  • Cloud et infrastructure
Fiche projetBulq.aiLire l’étude de cas : Bulq.ai

Bulq.ai

Fiche projet

Bulq.ai

Du no-code à une véritable plateforme logicielle

Client
Bulq.ai
Secteur
BTP · IA
Enjeu
Un produit de chiffrage par IA pour les entreprises du BTP, enfermé dans un front no-code WeWeb, avec des milliers de devis fournisseurs aux formats hétérogènes à transformer en prix structurés, et des consultations fournisseurs encore suivies à la main.
Notre réalisation
La plateforme d’extraction de devis par IA qui transforme les devis fournisseurs des clients en prix structurés et validés ; les fondations du backend-for-frontend FastAPI qui a permis à Bulq.ai de quitter WeWeb client par client ; et S2C, un back-end de consultation fournisseurs automatisée. Le tout conçu pour la migration de Bulq.ai vers son propre environnement Google Cloud.
Résultat
Une plateforme maîtrisée et testée : un pipeline d’extraction refondu, conçu pour se rétablir seul après une panne et contenir les dépenses LLM sous plafond, avec une validation humaine réservée aux cas qui demandent du discernement, ainsi qu’un back-end testé pour les consultations fournisseurs automatisées.
Technologies
Python · FastAPI · Flask · React · PostgreSQL · Cloud Run · Cloud Tasks · OpenTofu
Devis fournisseurs aux formats hétérogènes
Des milliers
Dépense LLM du pipeline refondu
Plafonnée
Cycle de rattrapage du pipeline refondu
5 min

Lire l’étude de cas

Bonjout MRPDonnées démo
Tableau de bord des opérations du MRP Bonjout

03 · Beauté · E-commerce

Bonjout Beauty

Des tableurs à un logiciel MRP sur mesure

  • Ingénierie des données
  • Ingénierie logicielle
  • Cloud et infrastructure
Fiche projetBonjout BeautyLire l’étude de cas : Bonjout Beauty

bonjoutbeauty.com

Fiche projet

Bonjout Beauty

Des tableurs à un logiciel MRP sur mesure

Client
Bonjout Beauty
Secteur
Beauté · E-commerce
Enjeu
Une marque de beauté en forte croissance, vendue en direct (DTC) et auprès de revendeurs, qui fonctionnait sur des fichiers Excel gigantesques, puis sur un empilement d’outils. Le stock était réparti entre entrepôts, laboratoires de conditionnement et partenaires, sans réponse unique à trois questions : que possède la marque, combien cela lui a-t-il réellement coûté, et quand sera-t-elle en rupture ?
Notre réalisation
D’abord, l’analytique quotidienne : les données de ventes de la marque arrivent chaque jour dans BigQuery (aujourd’hui via DataSync) et alimentent ses tableaux de bord. Ensuite, une plateforme MRP complète (achats, stock suivi au lot près, prévision de stock, planification de la production, calcul du coût de revient rendu et synchronisation Shopify) et son intégration avec un nouveau centre de distribution accessible uniquement par API.
Résultat
Un seul système de référence pour les achats, le stock, la production, les ventes et le coût de revient, à la place des tableurs : les commandes Shopify appliquées en quelques minutes, chaque unité traçable jusqu’à son lot, et le stock acheté valorisé à son coût de revient rendu réel.
Technologies
Python · Flask · React · PostgreSQL · BigQuery · Cloud Run · API Shopify · Looker Studio
Entre une commande Shopify et le MRP
Minutes
Semaines de prévision de stock
12 à 52
Recalcul rétroactif du coût de revient
2 ans
Données de ventes chargées dans BigQuery
Chaque jour

Lire l’étude de cas

The dashboard created by Datagem Consulting has been a game-changer for our start-up. Pierre has demonstrated an excellent understanding of our needs, delivering a customized solution tailored specifically to our business requirements.

We now have immediate access to all our data with 100% accuracy, presented exactly how we want to see our business – all in one place, automatically updated daily without any human intervention.

Our needs continue to evolve, and over time, we have requested additional custom analysis and data tracking. Pierre has always responded promptly, day or night 😊, listening carefully, with patience.

He has been the perfect partner in this project. We have made many people envious of our Dashboard, and I certainly don’t miss our gigantic Excel files!

Aude EstampesDirectrice financière, Bonjout Beauty
Middleware Target PlusDonnées démo
Tableau de bord d’exploitation du middleware Target Plus

04 · Hygiène bucco-dentaire · Marketplaces

Purely White Deluxe

Target Plus, branché directement sur Shopify et Flexport

  • Ingénierie des données
  • Ingénierie logicielle
  • Cloud et infrastructure
Fiche projetPurely White DeluxeLire l’étude de cas : Purely White Deluxe

purelywhitedeluxe.com

Fiche projet

Purely White Deluxe

Target Plus, branché directement sur Shopify et Flexport

Client
Purely White Deluxe
Secteur
Hygiène bucco-dentaire · Marketplaces
Enjeu
Vendre sur Target Plus, la marketplace de l’enseigne américaine Target, impose de respecter ses règles sur chaque fiche produit et chaque commande (accusés de réception, modes d’expédition exacts, motifs d’annulation, stock par centre de distribution), alors que le catalogue est géré dans Shopify, le stock et les expéditions chez Flexport.
Notre réalisation
Une intégration Target Plus directe, dans le projet Google Cloud du client : fiches produits publiées depuis Shopify selon la taxonomie de Target ; commandes confirmées à Target puis transmises à Flexport ; suivi, annulations et stock remontés à Target, et retours enregistrés chez Flexport, le tout piloté depuis une console dédiée. En parallèle, un entrepôt de données DataSync réunit dans BigQuery les données marketplaces et commandes.
Résultat
Une intégration marketplace construite dans le projet Google Cloud de la marque : tests automatisés, contrats d’API validés par rapport aux spécifications publiées par Target et Flexport, et un pipeline unique qui produit, à partir du même code, des applications distinctes pour le bac à sable et la production.
Technologies
Python · FastAPI · React · PostgreSQL · Cloud Run · Cloud SQL · API Target Plus · API Flexport
Entre deux relevés des nouvelles commandes Target
5 min
Rapprochement en filet de sécurité
15 min

Lire l’étude de cas

Console DataSyncDonnées démo
Console DataSync (espace de démo) : inventaire des connecteurs

05 · Grande consommation · Hygiène et soin

Bravo Sierra

Toutes les sources de données, un seul tableau de bord

  • Ingénierie des données
  • Ingénierie logicielle
  • Cloud et infrastructure
Fiche projetBravo SierraLire l’étude de cas : Bravo Sierra

bravosierra.com Explorer un tableau de bord interactif

Fiche projet

Bravo Sierra

Toutes les sources de données, un seul tableau de bord

Client
Bravo Sierra
Secteur
Grande consommation · Hygiène et soin
Enjeu
Des KPI compilés à la main à partir des tableaux de bord disparates de chaque plateforme, entre vente en direct (DTC), revendeurs et publicité.
Notre réalisation
Une couche de données centralisée : les données DTC, revendeurs et publicitaires réunies dans un seul entrepôt de données BigQuery, derrière des tableaux de bord Looker Studio pensés pour le fonctionnement réel de l’entreprise. Ses synchronisations planifiées tournent désormais sur DataSync, la plateforme d’ingestion de DataGem.
Résultat
Un seul endroit pour les KPI que l’équipe compilait à la main, organisé selon le fonctionnement réel de l’entreprise.
Technologies
Python · BigQuery · Looker Studio · API publicitaires · ETL · DataSync
Entrepôt pour les données DTC, revendeurs et publicité
1
Plateformes sources connectées par DataSync
19

Lire l’étude de cas

Pierre and his team were a delight to work with. Before working with them, we were relying on a bunch of disparate analytics dashboard from different vendors and sources to compile our business KPIs and metrics. Pierre was able to create a simple interface, centralizing and aggregating all our data sources (DTC, wholesale, advertising, etc) in a way that makes sense for our specific business and needs. The project was seamless and efficient. Great people, great work!

Benjamin BernetDirecteur général, Bravo Sierra
datagem-consulting.com
La page d’accueil de DataGem : le titre à côté des 12 lignes du logo, dessinées en temps réel

06 · Studio logiciel · Site web

DataGem

Ce site, repensé et reconstruit autour des lignes mêmes du logo

  • Ingénierie logicielle
  • Cloud et infrastructure
Fiche projetDataGemLire l’étude de cas : DataGem

datagem-consulting.com

Fiche projet

DataGem

Ce site, repensé et reconstruit autour des lignes mêmes du logo

Client
DataGem
Secteur
Studio logiciel · Site web
Enjeu
Notre ancien site : un design sombre sur un fond 3D permanent, des bibliothèques d’animation et de défilement fluide, et un rendu entièrement côté navigateur. Chaque page chargeait environ 440 ko de JavaScript compressé et n’affichait rien avant son exécution, et Google Fonts comme Google Analytics se chargeaient sans demander de consentement.
Notre réalisation
Un nouveau design, Current (papier, encre et le bleu du logo, en Bodoni Moda, Archivo et IBM Plex Mono), et un moteur WebGL qui dessine en temps réel les 12 lignes du logo, du haut de la page d’accueil à son parcours au défilement, jusqu’à la page 404. Chaque page est pré-rendue en HTML statique et servie par nginx sur Cloud Run, avec Google Analytics seulement après consentement.
Résultat
Un site plus léger, dont le texte est là avant toute exécution de script et ne bouge pas pendant le chargement, utilisable au clavier et avec le mouvement réduit, et qui n’envoie rien à Google tant que le visiteur n’a pas accepté.
Technologies
React 18 · Vite · Tailwind CSS · three.js · WebGL · nginx · Cloud Run · Cloud Build
Score de performance Lighthouse sur ordinateur
100
Décalage de mise en page au chargement
0
JavaScript compressé pour charger une page (contre 440 ko auparavant)
130 ko

Lire l’étude de cas

Et maintenant, à vous.

Démarrer un projet