Contexte

Dans le cadre d’une application de covoiturage, il s’agissait d’évaluer rapidement la faisabilité d’un moteur de geomatching : à partir d’offres et de demandes, proposer aux usagers des mises en relation plausibles, en croisant des contraintes temporelles et des critères géospatiaux (proximité, trajets, fenêtres horaires).

Récolte des besoins

En amont du prototype, une phase structurée de collecte et de clarification avec les équipes produit, le métier transport et les parties prenantes a permis de :

  • recenser les cas d’usage (recherche spontanée, planification, contraintes fortes / souples) ;
  • fixer ce qui relève du must-have pour une proposition acceptable côté usager (nombre de suggestions, délais, transparence des critères) ;
  • aligner vocabulaire métier et données (champs disponibles, qualité, volumétrie).

Cette récolte des besoins a nourri directement les scénarios de test du moteur et les critères d’acceptation.

Recherche rapide et approximation

La recherche de potentialités de mise en relation ne peut pas se limiter à un appariement exact : il faut des stratégies de search rapide et souvent approximative (pré-filtrage géographique, grilles ou index adaptés, seuils de distance / temps, éventuellement réduction du candidats avant scoring fin). Les travaux ont porté sur :

  • le compromis rappel / précision / temps de réponse pour rester perceptible pour l’usager ;
  • les structures de données et les approximations acceptables sans dégrader la confiance dans les propositions affichées ;
  • des pistes d’évolution (cache, partitionnement, raffinage en deux passes) selon la charge.

Problématique technique

Au-delà du search, il fallait :

  • modéliser données géographiques et intervalles de temps de façon cohérente ;
  • définir des règles de scoring ou de classement compréhensibles métier et exploitables en charge ;
  • trancher entre approches naïves, index spatiaux, pré-filtrage et structures adaptées au volume et à la latence attendue.

Approche et livrables

  • Cadrage issu de la récolte des besoins : cas nominaux, limites, critères d’acceptation pour les propositions côté usager.
  • Prototypage ciblé (Rust sur le cœur de recherche / scoring) et itérations sur les scénarios géo-temporels.
  • Restitution : pistes retenues, ordres de grandeur, risques (données, précision spatiale, règles métier) et recommandations pour la suite (industrialisation, intégration SI, évolution du moteur).

Compétences Frett27 mises en œuvre

  • SIG & géomatique : raisonnement sur données spatiales, représentations et requêtes adaptées au domaine transport.
  • Architecture logicielle : découpage moteur de search / données / services exposant les propositions aux canaux utilisateurs.
  • Domaine transport & mobilité : lecture des enjeux covoiturage (fenêtres temporelles, parcours, contraintes opérationnelles).
  • Conduite de besoins & prototypage : récolte structurée, validation par l’expérimentation avant engagement lourd sur la stack.

Ce chantier a par ailleurs servi de terrain d’essai pour valider des scénarios dans le prolongement des travaux sur l’orchestration métier et la VM de workflows (projet Coexya MUI), en restant dans un périmètre transport exigeant sur le temps et l’espace.