Contexte : un cadre de recherche quantitative nécessitait de comparer objectivement plusieurs stratégies de gestion de portefeuille sur le marché financier ouest-africain (BRVM).

Problématique : évaluer 12 modèles différents (optimisation classique, XGBoost, LSTM) selon une méthodologie rigoureuse évitant le surapprentissage, et déterminer statistiquement si les écarts de performance sont significatifs.

Solution réalisée : ✅ Architecture de backtesting walk-forward (train/validation/test) pour chaque modèle ✅ Calcul des métriques de performance (Sharpe ratio, rendement annualisé, volatilité) ✅ Test ANOVA pour comparer objectivement les modèles entre eux

Résultat : identification du modèle le plus performant (Sharpe ratio 1.42) avec une significativité statistique confirmée (p < 0.01), donnant une base de décision fiable plutôt qu'une impression visuelle.

Contexte : un étudiant en fin de cycle devait comparer les performances de trois groupes dans le cadre de son mémoire, sans les compétences statistiques pour choisir et interpréter les bons tests.

Problématique : déterminer si les différences observées entre les groupes étaient réelles ou dues au hasard, avec une méthodologie académiquement défendable devant un jury.

Solution réalisée : ✅ Vérification des conditions d'application (normalité via Shapiro-Wilk, homogénéité via Levene) ✅ ANOVA à un facteur pour comparer les moyennes des trois groupes ✅ Visualisations (boxplots, barres d'erreur) pour rendre les résultats lisibles

Résultat : une différence statistiquement significative confirmée (p = 0.003) entre les groupes, avec une rédaction prête à être insérée directement dans le mémoire.

Contexte : le service administratif d'un centre hospitalier universitaire produisait manuellement des rapports mensuels de collecte de données, avec un risque d'erreur et une perte de temps récurrente.

Problématique : fiabiliser les données RH (590 agents à consolider) et automatiser la production du reporting mensuel, sans changer les outils déjà utilisés par l'équipe (Excel).

Solution réalisée : ✅ Outil Excel automatisé (macros VBA) pour la collecte et la consolidation mensuelle ✅ Vérification et fiabilisation du total des effectifs (590 agents validés) ✅ Classification de 56 activités selon les axes d'intervention du plan de travail annuel

Résultat : un gain de temps mensuel estimé à plusieurs heures pour l'équipe, et une donnée RH fiabilisée prête pour le reporting national (formulaire SNIGS A17).

Contexte : une entreprise agroalimentaire (ASEL Industries / marque ZUUUS) souhaitait valider son positionnement avant le lancement national d'un nouveau jus de fruit.

Problématique : comprendre objectivement les intentions d'achat selon les segments de clientèle, et identifier le critère qui pèse réellement dans la décision d'achat.

Solution réalisée : ✅ Enquête terrain menée auprès de 152 répondants ✅ Analyse de l'intention d'achat par tranche d'âge ✅ Test du Khi² pour vérifier l'indépendance entre âge et intention d'achat ✅ Identification du critère décisif d'achat (goût, prix, packaging, naturalité)

Résultat : une relation statistiquement significative confirmée (p = 0.008) entre l'âge et l'intention d'achat, permettant à l'entreprise d'ajuster son ciblage marketing avant le lancement.

Contexte : les chercheurs et investisseurs manquaient d'un outil open-source unifié pour accéder aux données des marchés financiers africains (BRVM, NGX, JSE, GSE).

Problématique : construire un package R robuste, documenté et conforme aux exigences strictes de CRAN, avec une architecture orientée objet capable de gérer plusieurs marchés.

Solution réalisée : ✅ Conception de l'architecture S4 (classes african_market et additional_market) ✅ Implémentation d'un optimiseur de portefeuille et de métriques de performance ✅ Documentation technique complète (Roxygen2) conforme aux standards CRAN

Résultat : un package fonctionnel et documenté, co-développé avec un chercheur partenaire (AfriMarkets Research Group), prêt pour publication scientifique.