Simulation de données

MIRROR

Le double numérique d'une boutique en ligne, pour tester ses politiques de stock sur 1 000 mondes simulés avant de les appliquer.

44 000simulations rejouées à l'identique

+514 €simulés sur 90 jours, IC95 [+497 ; +530]

En bref

MIRROR modélise une petite boutique en ligne (ventes, stocks, coûts, délais fournisseur) et compare des politiques de réapprovisionnement sous plusieurs hypothèses de demande, puis les éprouve dans des scénarios défavorables. Chaque expérience est journalisée et peut être reproduite à l'identique.

Le rôle des agents et de l'IA

Pas d'agent IA : un moteur de simulation à événements discrets, des statistiques et une interface Streamlit.

Ce que fait le projet

1 000 mondes × 4 hypothèses de demande × 11 politiques
Stress tests, analyse de sensibilité et validation sur cas à résultat connu
Journal des expériences et reproduction exacte
Fonctionne sur un jeu fictif ou sur vos propres CSV

Technologies

Python
SimPy
Streamlit
pytest

Limites connues

Résultats simulés à partir d'hypothèses et de données fictives, pas des gains garantis. Modèle mono-échelon, sans promotions ni tendance ; il faudrait le confronter à des données réelles avant de décider.

Voir la présentation animée →Me proposer un stage