la plateforme ia

posez des questions. obtenez des tournées.

l'ia de scoop combine l'historique des capteurs, la météo et les schémas de comportement. elle répond dans un langage clair. elle planifie par scénarios.

scoop ia · planificateur
en service · v1.4
demandez quelque chose à scoop…
prévision par conteneur
chaque point reçoit son propre modèle, basé sur l'historique, la météo, la saison, les événements.
détection d'anomalies
les remplissages inattendus ou les capteurs morts sont signalés automatiquement.
planification conversationnelle
formulez des scénarios en langage clair. scoop répond avec une carte et un plan.
reporting & redevabilité
rapports mensuels automatiques, co₂, kilomètres, collectes, pour le conseil et la direction.
sous le capot

six types de données en entrée.
quatre types de plan en sortie.

l'ia de scoop n'est pas un seul modèle, mais un pipeline combiné de prévision de séries temporelles, de gradient boosting et d'optimisation à base de règles. ce qui la rend spéciale, ce n'est pas l'algorithme, c'est ce qui l'alimente.

entrées
historique des capteurs
toutes les 15 min, 30+ jours
météo & climat
prévision à 7 jours
événements du calendrier
marchés, festivals, jours fériés
tendances saisonnières
2 ans d'historique par conteneur
signalements des chauffeurs
couvercle cassé, dépôts sauvages
schémas de comportement par quartier
immeuble vs. maison de ville vs. centre
modèle scoop v1.4
réapprend chaque jour
70% séries temporelles30% boosting
sorties
prévision de remplissage à 7 jours
par conteneur, avec niveau de confiance
tournées dynamiques
automatiques chaque matin
alertes d'anomalies
les écarts se détectent d'eux-mêmes
réponses en langage clair
aux questions de scénario, avec une carte
sous le capot

un modèle dédié par conteneur ,
et une marge d'incertitude qui est honnête.

les prévisions de scoop ne sont pas des moyennes. chaque point reçoit son propre modèle de séries temporelles, entraîné sur l'historique local et ajusté avec la météo, les événements du calendrier et les schémas de comportement. la marge de confiance montre où nous sommes sûrs, et où nous ne le sommes pas.

pic le sam·94%
dépasse 75% cette semaine
lun
mar
mer
jeu
ven
sam
dim
0%25%50%75%100%58%64%71%78%86%94%88%marché du samedilunmarmerjeuvensamdim
75%, le moment de planifier
entraînement par conteneur
au moins 30 jours d'historique, toutes les 15 minutes. le modèle retient quels conteneurs se comportent différemment de leurs voisins.
réentraîné chaque jour
chaque nuit le modèle tourne à nouveau. si un quartier change (nouvel immeuble, marché déplacé), le modèle suit en une semaine.
de la confiance, pas des fables
la zone ombrée autour de la ligne est l'intervalle de confiance à 80%. étroite = sûr. large = prudence.
planification par scénarios

formulez un scénario en langage clair.
recevez un plan complet en retour.

fini l'entraînement de modèle, fini les scripts, fini excel. tapez une question comme vous la poseriez à un collègue, scoop combine les données capteurs, la météo et les règles de planification et vous donne un plan concret, avec des kpi, en moins de 4 secondes.

scoop ia · scénario
live · v1.4
et s'il pleut la semaine prochaine ?
la pluie fait baisser le niveau de remplissage de 8% en moyenne. je déplace 6 arrêts du jeudi au lundi et je saute le quartier du centre mercredi.
anticiper la pluie
changements proposés
  • lun 07:30kerkplein 12décalé
  • lun 08:15westwijk-adécalé
  • mar 09:00havenstraat 8inchangé
  • mer ,ring du centreignoré
  • jeu 08:45dorpsweg 8décalé
−12km en moins
3arrêts évités
−34 mintemps total
détection d'anomalies

quelque chose qui cloche ?
scoop le remarque avant vous.

les capteurs peuvent mourir. les quartiers changent. les événements perturbent les schémas. scoop fait tourner en continu une couche de détection d'anomalies sur chaque mesure, et agit avant que vous ne le voyiez.

critique
le capteur est silencieux
détectionaucune mise à jour en 4h là où il devrait normalement y en avoir 16 → signalé comme « possiblement mort ».
actioncompléter avec une estimation modélisée + créer un ticket de maintenance.
avertissement
remplissage rapide inattendu
détectioncroissance du remplissage > 2× la valeur attendue sur 2 mesures consécutives.
actionajouter à la file de risque + proposer une collecte supplémentaire sous 24h.
information
remplissage plus lent que prévu
détectionniveau de remplissage réel < 80% de la prévision pendant 3 jours consécutifs.
actionréentraîner le modèle ; éventuellement proposer une fréquence réduite.
information
changement de comportement
détectionle schéma par jour de la semaine change structurellement (nouveau trafic ? nouvel immeuble ?).
actionl'ia ajuste automatiquement le poids de la saisonnalité en 7 jours.
un capteur mort n'est pas un angle mort
scoop continue de calculer, avec la confiance indiquée.

pendant qu'un capteur est remplacé, scoop estime le niveau de remplissage à partir des voisins, de la météo et des schémas historiques. dans le tableau de bord vous voyez une ligne pointillée, vous savez que c'est une estimation, mais vous pouvez planifier avec.

gouvernance de l'ia

une ia sur laquelle vous pouvez compter ,
et que vous pouvez éteindre s'il le faut.

le secteur public ne peut pas absorber les erreurs de l'ia. scoop est construit avec la redevabilité comme point de départ : réentraînement quotidien, aucune hallucination et une traçabilité complète. en plus : vous pouvez toujours revenir aux tournées figées.

24h
cadence
réentraîné chaque nuit
à 02:00 le modèle tourne à nouveau avec les 24h de données les plus récentes. pas d'ia « figée », pas de stagnation. la dérive est corrigée avant le briefing du matin.
0
hallucinations
uniquement à partir de données solides, sans invention
scoop répond uniquement à partir de mesures et de signalements vérifiés. quand il ne sait pas, il le dit. pas de remplissage créatif, pas de « probablement ».
100%
traçable
chaque prévision a une histoire
cliquez sur une prévision → vous voyez quelles données sont entrées, quel sous-modèle a décidé du résultat et avec quel niveau de confiance. pas de boîte noire.
et si on vous disait que c'est déjà une réalité ?

plus intelligent, et mesurable.
prouvé chez reinis.

00%
de kilomètres en moins
réaction plus rapide
0×
réaction plus rapide au remplissage des conteneurs qu'avec une planification figée.
dépôts sauvages
0%
moins de plaintes et de signalements des riverains.
prouvé chez reinis, collecteur de déchets pour la commune de nissewaard
planifier une démo

laissez-nous vous montrer les kilomètres
que vous économiserez.

une démo live de 30 minutes sur les données de votre propre quartier. on vient avec un planificateur et un chauffeur.

rotterdam · nl