Des innovations en collaboration avec le CNRS & l'Université Grenoble-Alpes
Une approche innovante au service des utilisateurs
Accueil •
Nos innovations
Treensight transforme l’analyse de données en une démarche continue, lisible et maîtrisable, grâce à une suite d’innovations techniques et méthodologiques centrées sur la visualisation par arborescence graphique interactive.
Les Stacked Trees : explorer vos données grâce à une arborescence graphique interactive
Les Stacked Trees sont issus d’un travail de recherche mené au laboratoire LIG (CNRS/Université Grenoble Alpes). Ils proposent une nouvelle manière de représenter les données sous forme d’arbres hiérarchiques lisibles et adaptables, même lorsque les jeux de données sont riches ou complexes.
L’arborescence graphique interactive issue de la méthode des Stacked Trees offre à la fois une vue d’ensemble et un accès direct aux cas individuels, le tout dans un seul écran, sans multiplier les fenêtres. Contrairement aux graphiques traditionnels qui fragmentent l’information, l’arborescence graphique mise en œuvre par le logiciel Treensight Explorer maintient la continuité visuelle entre les différents niveaux d’analyse.
Chaque élément de l’arborescence graphique est facilement personnalisable (couleur, forme, étiquette, etc.) pour faire ressortir les informations clés selon les objectifs métier de l’utilisateur. L’arbre devient ainsi un support actif de l’analyse : il organise les profils, matérialise les regroupements, et permet de naviguer dans les données sans les dissocier du raisonnement.
Les Stacked Trees ne se contentent pas de montrer les résultats d’une analyse : ils transforment la logique même de l’exploration de données grâce à une arborescence graphique qui apporte continuité visuelle et conceptuelle entre exploration, structuration et interprétation.
GDF, un langage nouveau qui respecte la sémantique de vos données
GDF (Generic Data Format)est un métalangage qui permet de décrire les données avec précision, non seulement leur contenu, mais aussi leur structure et leur signification métier.
Grâce à GDF, le logiciel Treensight Explorer prend en charge de manière homogène des données très diverses : valeurs numériques, symboles, dates, séquences, séries temporelles… sans que vous ayez à choisir une méthode ni à adapter vos fichiers ou tableaux de données. Le logiciel s’appuie sur cette description pour appliquer les traitements appropriés et construire l’analyse en fonction de ce que représentent réellement vos données. GDF prolonge intelligemment les formats classiques comme Excel ou CSV, en leur ajoutant une couche sémantique, ce qui permet de gagner en clarté, en fiabilité, et en cohérence d’analyse.
L’intégration de GDF dans le logiciel Treensight Explorer est totalement transparente. Vous n’avez rien à configurer, aucun langage à apprendre : les informations sémantiques sont extraites automatiquement ou enrichies au fil du travail. Cette couche invisible agit à votre service pour structurer l’analyse et garantir que les traitements appliqués restent alignés avec vos objectifs métier.
En parallèle, Treensight accompagne la diffusion de GDF comme format ouvert, soutenu par une bibliothèque open source et une documentation complète, afin de créer un écosystème partagé autour de cette technologie.
Segmenter vos données avec précision et cohérence
Segmenter des données, ce n’est pas toujours partir de zéro : il faut souvent composer avec des structures déjà en place : catégories métiers, zones géographiques, types d’équipements … Or, les méthodes classiques de classification ignorent ces découpages et mélangent parfois des entités qui ne devraient pas l’être. C’est pour répondre à ce besoin que le clustering stratifié a été conçu.
Cette méthode combine deux approches complémentaires : d’abord une segmentation des données selon des variables catégorielles choisies par l’utilisateur (comme dans un tableau croisé dynamique), puis une organisation hiérarchique des valeurs de ces variables, en fonction des profils statistiques observés. Le résultat est une arborescence graphique lisible et structurée, qui transforme les segments statistiques en une visualisation hiérarchique intuitive.
Contrairement aux tableaux croisés classiques, le clustering stratifié offre une visualisation hiérarchique claire et compacte, dans laquelle chaque segment est immédiatement compréhensible et navigable. Intégré à Treensight Explorer sous forme de Stacked Trees, il permet de construire des segmentations robustes, explicables et adaptées à une grande variété de domaines : marketing, recherche, santé, industrie…
Une interface conçue pour guider et communiquer vos analyses
Treensight Explorer ne se contente pas d’afficher des résultats : il transforme la manière dont vous explorez vos données. Conçue en collaboration avec des ergonomes et issue d’une réflexion approfondie sur les pratiques réelles de l’analyse, son interface unifie en un même espace toutes les étapes du raisonnement.L’arborescence graphique devient ainsi votre environnement de travail principal : annoter un nœud, comparer des branches, documenter votre raisonnement, tout se fait directement dans la visualisation, sans rupture dans votre processus d’analyse.
Chaque action met à jour les visualisations en temps réel, combinant vue d’ensemble et détails individuels. Grâce à la technologie des Stacked Trees et au langage GDF, vous naviguez dans vos données sans perdre la continuité entre exploration et interprétation. Tout a été pensé pour favoriser une prise en main rapide, y compris pour les utilisateurs non spécialistes de l’analyse statistique. Les regroupements sont visibles, les comparaisons explicites, les variables significatives mises en évidence.
L’arborescence graphique devient ainsi votre environnement de travail principal : annoter un nœud, comparer des branches, documenter votre raisonnement, tout se fait directement dans la visualisation, sans rupture dans votre processus d’analyse. L’analyse devient un processus interactif, explicable et traçable. Vous pouvez annoter, documenter et partager vos résultats tout au long de l’exploration, sans quitter l’environnement de travail. Fini les allers-retours entre outils ou la nécessité de coder pour avancer : Treensight vous offre un cadre opérationnel, pensé pour que vous puissiez comprendre, structurer et interpréter vos données en toute autonomie.
Une intelligence augmentée, centrée sur l’humain
Treensight Explorer s’inscrit dans une approche « Human-in-the-Loop », où l’humain reste impliqué dans toutes les étapes de l’analyse : exploration, regroupement, annotation, comparaison. L’objectif n’est pas d’automatiser des tâches pour les soustraire à l’utilisateur, mais de construire un environnement dans lequel il peut réellement interagir avec ses données, formuler des hypothèses, tester, ajuster et documenter son raisonnement.
Face à la promesse séduisante de certaines approches d’IA générative, qui semblent proposer des analyses « magiques », Treensight adopte une posture différente : rendre les données compréhensibles et manipulables sans les transformer en boîte noire. Car si ces outils automatiques peuvent, à juste titre, impressionner, ils restent souvent limités lorsqu’ils sont manipulés par des non-spécialistes, et ne permettent ni d’expliquer, ni de transmettre l’analyse produite.
Treensight propose ainsi une forme d’intelligence augmentée où l’interprétabilité, la lisibilité et la traçabilité sont intégrées dès la conception. L’utilisateur garde le contrôle de sa démarche, tout en bénéficiant de méthodes puissantes, visuelles et adaptatives pour instaurer un véritable dialogue entre l’humain, l’outil et les données.
Une approche systémique au service de l’exploration
L’approche méthodologique sur laquelle se fonde Treensight Explorer se distingue radicalement des méthodes traditionnelles et modernes par son caractère systémique et intégré. Contrairement aux approches cycliques, où les étapes (collecte, préparation, modélisation, analyse) sont cloisonnées et répétitives, ou aux approches hybrides, qui juxtaposent des outils et des visualisations sans continuité, Treensight propose un écosystème unifié. Ici, toutes les phases — modélisation, segmentation, visualisation, comparaison, annotation et partage — s’articulent autour d’un noyau centralisé (l’utilisateur), permettant une analyse fluide, collaborative et itérative. Cette approche élimine les ruptures entre les étapes, favorise la traçabilité et la réactivité, et rend l’analyse de données plus intuitive et actionnable en temps réel. En plaçant l’utilisateur au cœur d’un processus dynamique et interconnecté, Treensight transforme la data science en un levier agile et accessible, adapté aux enjeux complexes des organisations modernes.
Approche systémique centrée sur l'utilisateur. L'arborescence graphique des Stacked Trees unifie toutes les phases d'analyse dans une interface unique.
