La data science au service du vin

Big Data, Data Science, Intelligence Artificielle, Machine Learning. Autant de termes qui reviennent de plus en plus souvent sur la toile et qui sont tous liés. Chacun regroupe des techniques que nous employons dans notre solution pour arriver à prédire l’évolution du vin (ndlr. : data science = science de la données)

En savoir plus sur les techniques ›

Nos techniques

Découvrez les composantes de notre outil de prédiction

Des volumes importants de données

Le domaine du Big Data consiste à extraire des informations précises à partir de volumes de données très importants. Aujourd’hui, les volumes de données récoltées sur internet permettent de déduire des tendances et des statistiques. La prédiction de la date est une information que nous déterminons à partir de tels volumes de données comme les données météorologiques par exemple.

Une intelligence artificielle qui apprend toute seule

Elle extrait des données du Big Data. Ce champ technique inclue plusieurs algorithmes que nous avons combinés pour prédire la date en reproduisant le raisonnement logique et en utilisant en parallèle des méthodes de régression. Le machine learning inclue des mécaniques qui permettent à la machine d’apprendre par retour d’expérience.

Raisonnement logique

Nous reproduisons le raisonnement d'un sommelier mais sur des volumes de données tellement importants qu'ils sont humainement intraitables.

Mise en parallèle de critères

Nous definissons des critères déterminants et communs dans le potentiel de garde qui sont mis en parallèle avec les critères du vin analysé. La même démarche peut être opérée pour l'évolution du goût.

Le vin est un produit complexe qui évolue au fil du temps

Nous incluons dans nos calculs de nombreux critères, comme les critères classiques tels que l’appellation et la météo, mais aussi plus complexes tels que l’évolution du prix au cours des années et l’analyse sémantique de commentaires de dégustations sur les vins. Nous excluons les données chimiques de nos calculs (en dehors des données légales obligatoires comme par exemple le degré d’alcool), car ces données sont la plupart du temps détenues seulement par les producteurs. Les bases de données graphes que nous employons pour stocker nos données permettent de répondre au besoin d’évolution dynamique face au vin qui est un produit complexe aux milles facettes.

Données géologiques et d'appellation

Données météorologiques

Données issues d'analyse sémantique

Autres données autour du vin