	{"id":60115,"date":"2022-08-06T12:51:26","date_gmt":"2022-08-06T11:51:26","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=cases&#038;p=60115"},"modified":"2024-09-20T17:39:22","modified_gmt":"2024-09-20T16:39:22","slug":"tech-for-precision-marketing-how-sanofi-chc-industrialised-the-deployment-of-data-driven-campaigns","status":"publish","type":"cases","link":"https:\/\/www.artefact.com\/fr\/cases\/tech-for-precision-marketing-how-sanofi-chc-industrialised-the-deployment-of-data-driven-campaigns\/","title":{"rendered":"<span class=\"highlight\">SANOFI CHC<\/span> Marketing de pr\u00e9cision - Industrialiser le d\u00e9ploiement des campagnes data-driven"},"content":{"rendered":"<article class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling case-content\" style=\"--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-padding-right-medium:5%;--awb-padding-left-medium:5%;--awb-background-color:#ffffff;--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-justify-content-space-between fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column text-image-block-video-content1\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-title title fusion-title-1 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:#ff0066;--awb-margin-top:40px;--awb-margin-bottom:20px;--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;font-size:1em;--fontSize:30;line-height:1.33;\">D\u00e9fi : \u00e9tendre le marketing de pr\u00e9cision avanc\u00e9 \u00e0 plus de 30 march\u00e9s<\/h2><\/div><div class=\"fusion-text fusion-text-1\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>Sanofi est l'un des leaders mondiaux de l'industrie pharmaceutique. Au cours des trois derni\u00e8res ann\u00e9es, <a href=\"https:\/\/www.artefact.com\/fr\/cases\/sanofi-driving-digital-transformation-with-precision-marketing\/\">Artefact a aid\u00e9<\/a> l'unit\u00e9 commerciale Sanofi CHC (Consumer Health Care) commercialise ses m\u00e9dicaments en vente libre par l'interm\u00e9diaire de <strong>des tactiques et des outils num\u00e9riques pour atteindre les bons consommateurs au bon moment avec le bon message, sur plus de 30 march\u00e9s.<\/strong>.<\/p>\n<\/div><div class=\"fusion-text fusion-text-2\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p><strong>Pour sa cat\u00e9gorie de produits saisonniers, Sanofi CHC a d\u00e9velopp\u00e9 une approche bas\u00e9e sur les pr\u00e9visions afin d'ajuster les d\u00e9penses en m\u00e9dias num\u00e9riques en fonction des pics de demande pr\u00e9vus. <\/strong>Gr\u00e2ce \u00e0 plusieurs campagnes pilotes, l'\u00e9quipe de transformation num\u00e9rique mondiale a pu prouver la valeur ajout\u00e9e de cette approche avec <strong>un ROAS multipli\u00e9 par 2 \u00e0 4 selon les zones g\u00e9ographiques<\/strong>.<\/p>\n<\/div><div class=\"fusion-text fusion-text-3\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>Cependant, <strong>la mise en place d'une nouvelle campagne est rest\u00e9e fastidieuse<\/strong>: Les scientifiques de data devaient effectuer une s\u00e9rie de t\u00e2ches manuelles, r\u00e9p\u00e9titives et sujettes aux erreurs, ce qui les emp\u00eachait de se concentrer sur d'autres projets innovants. Afin de mettre \u00e0 l'\u00e9chelle ses pipelines ML innovants, l'\u00e9quipe scientifique de Sanofi data a d\u00e9fini ses besoins pour industrialiser le cas d'utilisation et a fait appel au soutien de Artefact pour concevoir et mettre en \u0153uvre conjointement une solution robuste.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-2 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:#ff0066;--awb-margin-top:40px;--awb-margin-bottom:20px;--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;font-size:1em;--fontSize:30;line-height:1.33;\">Solution : un processus d'industrialisation co-con\u00e7u bas\u00e9 sur 6 solutions cl\u00e9s<\/h2><\/div><div class=\"fusion-text fusion-text-4\"><blockquote>\n<p>\u201c<strong>La cl\u00e9 de la r\u00e9ussite du projet a \u00e9t\u00e9 l'\u00e9troite collaboration entre les experts commerciaux de Sanofi et les scientifiques de Sanofi data avec l'\u00e9quipe Artefact.<\/strong>\u201d<\/p>\n<\/blockquote>\n<\/div><div class=\"fusion-text fusion-text-5 quote-baseline\"><p>- Albert Pla Planas, chef de l'\u00e9quipe scientifique Data, Sanofi<\/p>\n<\/div><div class=\"fusion-text fusion-text-6\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>Gr\u00e2ce \u00e0 une \u00e9troite collaboration entre Artefact, data et les \u00e9quipes commerciales de Sanofi, un processus d'industrialisation complet s'appuyant sur le syst\u00e8me unifi\u00e9 de gestion des d\u00e9chets de Sanofi a \u00e9t\u00e9 mis en place. <a href=\"https:\/\/databricks.com\/\" target=\"_blank\" rel=\"noopener\">Databricks<\/a> a \u00e9t\u00e9 con\u00e7ue. Nos objectifs communs \u00e9taient les suivants<\/p>\n<\/div><ul style=\"--awb-line-height:27.2px;--awb-icon-width:27.2px;--awb-icon-height:27.2px;--awb-icon-margin:11.2px;--awb-content-margin:38.4px;\" class=\"fusion-checklist fusion-checklist-1 fusion-checklist-default type-icons\"><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p>Simplifiez la mise en place de bout en bout d'une nouvelle campagne saisonni\u00e8re<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p>Automatiser les t\u00e2ches d'ingestion et de traitement de data<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p>Rendre la solution plus robuste pour \u00e9viter les erreurs et la maintenance manuelle<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p>Am\u00e9liorer la maintenabilit\u00e9 et l'\u00e9volutivit\u00e9 du projet<\/p>\n<\/div><\/li><\/ul><div class=\"fusion-text fusion-text-7\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>Apr\u00e8s un audit rapide d'une semaine pour d\u00e9finir le processus actuel et les points faibles techniques, l'\u00e9quipe s'est align\u00e9e sur la mise en \u0153uvre d'une infrastructure \u00e0 l'\u00e9preuve du temps bas\u00e9e sur 6 solutions cl\u00e9s :<\/p>\n<\/div><ul style=\"--awb-line-height:27.2px;--awb-icon-width:27.2px;--awb-icon-height:27.2px;--awb-icon-margin:11.2px;--awb-content-margin:38.4px;\" class=\"fusion-checklist fusion-checklist-2 fusion-checklist-default type-icons\"><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>S\u00e9paration des pr\u00e9occupations<\/strong>:<\/p>\n<p>Le fait d'avoir un pipeline ETL s\u00e9par\u00e9 du processus de mod\u00e8le de pr\u00e9vision facilite la maintenance et la mise \u00e0 l'\u00e9chelle. Cela nous a permis de mettre en place des contr\u00f4les automatis\u00e9s ainsi qu'un syst\u00e8me de surveillance qui envoie des reports d\u00e9taill\u00e9es aux \u00e9quipes concern\u00e9es sur l'\u00e9tat de l'ingestion.<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Utilisation de <a href=\"https:\/\/databricks.com\/product\/delta-lake-on-databricks\" target=\"_blank\" rel=\"noopener\">Lac Delta<\/a> comme source d'or data<\/strong>:<\/p>\n<p>Dans les \u00e9quipes de DS o\u00f9 l'infrastructure peut \u00eatre difficile \u00e0 obtenir\/maintenir, Delta Lake combine les caract\u00e9ristiques cl\u00e9s des solutions data warehouse et data lakes, \u00e9liminant ainsi la complexit\u00e9 de l'administration de SQL database. Il dispose \u00e9galement de capacit\u00e9s de versionnement - importantes pour la reproductibilit\u00e9 des ML - et servira de source unique de v\u00e9rit\u00e9 pour data.<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Regrouper autant de code que possible dans une biblioth\u00e8que Python pour simplifier les processus<\/strong>:<\/p>\n<p>Une partie du code initial a \u00e9t\u00e9 dispers\u00e9e dans plusieurs carnets de notes au sein de Databricks, ce qui a complexifi\u00e9 la gestion des d\u00e9pendances et la r\u00e9utilisation du code. Le d\u00e9veloppement sur ordinateur portable est pertinent pour le prototypage, mais peut poser des probl\u00e8mes pour l'industrialisation des projets de ML. Le fait d'avoir des biblioth\u00e8ques Python clairement d\u00e9finies et impl\u00e9ment\u00e9es sur le notebook et de ne garder que Databricks comme point d'entr\u00e9e pour Compute a facilit\u00e9 la g\u00e9n\u00e9ralisation des notebooks et l'organisation des campagnes entrantes.<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Tirer parti de Spark et de Databricks<\/strong>:<\/p>\n<p>L'entra\u00eenement du mod\u00e8le \u00e0 l'aide de m\u00e9thodes de recherche d'hyperparam\u00e8tres peut \u00eatre long et exigeant. C'est l\u00e0 que l'infrastructure autoscaling de Databricks et le runtime ML g\u00e9r\u00e9 avec Spark et HyperOpt s'av\u00e8rent utiles. L'utilisation de calculs en m\u00e9moire de mani\u00e8re distribu\u00e9e sur un ensemble de travailleurs acc\u00e9l\u00e8re les performances et am\u00e9liore consid\u00e9rablement le temps de formation.<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Utilisation du suivi des flux ML<\/strong>:<\/p>\n<p>Avec <a href=\"https:\/\/docs.databricks.com\/applications\/mlflow\/tracking.html\" target=\"_blank\" rel=\"noopener\">Suivi des flux ML<\/a> Sanofi dispose d\u00e9sormais d'une interface utilisateur o\u00f9 les scientifiques de Data peuvent comparer les ex\u00e9cutions du mod\u00e8le et garder une trace de tous les param\u00e8tres utilis\u00e9s (version de Data et param\u00e8tres du mod\u00e8le) et des r\u00e9sultats obtenus.<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Simplification des tests et de la mise en \u0153uvre des nouveaux mod\u00e8les ML<\/strong>:<\/p>\n<p>Un cadre g\u00e9n\u00e9rique de fabrication de mod\u00e8les a \u00e9t\u00e9 mis en place, facilitant la mise en \u0153uvre de nouveaux mod\u00e8les d'apprentissage automatique et permettant de les tester au cours d'une campagne de marketing de pr\u00e9cision avec tr\u00e8s peu d'efforts.<\/p>\n<\/div><\/li><\/ul><div class=\"fusion-title title fusion-title-3 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:#ff0066;--awb-margin-top:40px;--awb-margin-bottom:20px;--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;font-size:1em;--fontSize:30;line-height:1.33;\">R\u00e9sultats et enseignements : un temps d'installation divis\u00e9 par quatre pour l'ingestion et la configuration de data<\/h2><\/div><div class=\"fusion-text fusion-text-8\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>Gr\u00e2ce \u00e0 ce projet, Sanofi CHC a pu simplifier consid\u00e9rablement son pipeline data et acc\u00e9l\u00e9rer la mise \u00e0 l'\u00e9chelle de son cas d'utilisation Precision Marketing bas\u00e9 sur les pr\u00e9visions.<\/p>\n<\/div><ul style=\"--awb-line-height:27.2px;--awb-icon-width:27.2px;--awb-icon-height:27.2px;--awb-icon-margin:11.2px;--awb-content-margin:38.4px;\" class=\"fusion-checklist fusion-checklist-3 fusion-checklist-default type-icons\"><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>R\u00e9duction du temps de mise en place des nouvelles campagnes<\/strong>:<\/p>\n<ul>\n<li>Le temps d'installation pour l'ingestion et la configuration de data est r\u00e9duit d'un quart.<\/li>\n<li aria-level=\"2\">Le nombre de t\u00e2ches effectu\u00e9es par les scientifiques de data pour mettre en place une nouvelle campagne a \u00e9t\u00e9 r\u00e9duit d'un tiers.<\/li>\n<\/ul>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Simplification de la cr\u00e9ation de nouveaux mod\u00e8les de pr\u00e9vision<\/strong>:<\/p>\n<ul>\n<li>Plate-forme accessible pour tester, g\u00e9rer et visualiser facilement les mod\u00e8les.<\/li>\n<li>Processus g\u00e9n\u00e9rique pour inclure les nouvelles sources data.<\/li>\n<li>Pipeline automatis\u00e9 data.<\/li>\n<\/ul>\n<\/div><\/li><\/ul><div class=\"fusion-text fusion-text-9\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p><img decoding=\"async\" class=\"lazyload aligncenter wp-image-60133 size-fusion-600\" src=\"data:image\/svg+xml,%3Csvg%20xmlns%3D%27http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg%27%20width%3D%27600%27%20height%3D%27266%27%20viewBox%3D%270%200%20600%20266%27%3E%3Crect%20width%3D%27600%27%20height%3D%27266%27%20fill-opacity%3D%220%22%2F%3E%3C%2Fsvg%3E\" data-orig-src=\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2021\/04\/SANOFI_Case_Key_Achievements-600x266-1.png\" alt=\"Sanofi Client Case - Key Achievements \" width=\"600\" height=\"266\" \/><\/p>\n<\/div><div class=\"fusion-text fusion-text-10\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p><span style=\"font-weight: 400;\">Le projet a \u00e9galement permis aux \u00e9quipes de tirer quatre enseignements importants pour les futurs projets ax\u00e9s sur la ML :<\/span><\/p>\n<\/div><ul style=\"--awb-line-height:27.2px;--awb-icon-width:27.2px;--awb-icon-height:27.2px;--awb-icon-margin:11.2px;--awb-content-margin:38.4px;\" class=\"fusion-checklist fusion-checklist-4 fusion-checklist-default type-icons\"><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon fa-arrow-alt-circle-right fas\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Int\u00e9grer l'ing\u00e9nierie data dans les projets ML<\/strong>:<\/p>\n<p>Impliquer les Data Engineer d\u00e8s le d\u00e9but d'un projet afin d'acc\u00e9l\u00e9rer l'industrialisation du pipeline, et d\u00e9coupler clairement les diff\u00e9rentes \u00e9tapes du pipeline (tout le traitement, la transformation et la curation des data doivent avoir lieu avant de passer aux \u00e9tapes ML).<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon awb-icon-check\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Exploiter les outils pr\u00e9\u00e9tablis<\/strong>:<\/p>\n<p>L'utilisation de Databricks avec Delta Lake et ML Flow a \u00e9t\u00e9 cruciale pour le succ\u00e8s de l'industrialisation, garantissant une infrastructure en libre-service facile sans avoir besoin de DevOps.<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon awb-icon-check\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Collaboration \u00e9troite entre les \u00e9quipes de l'entreprise et celles du Data<\/strong>:<\/p>\n<p>Le facteur de r\u00e9ussite le plus important a sans doute \u00e9t\u00e9 l'\u00e9troite collaboration entre les experts commerciaux de Sanofi et les scientifiques du data, qui ont con\u00e7u et men\u00e9 le projet, et l'\u00e9quipe du Artefact, qui a apport\u00e9 une exp\u00e9rience et un savoir-faire suppl\u00e9mentaires en mati\u00e8re d'industrialisation.<\/p>\n<\/div><\/li><li class=\"fusion-li-item\" style=\"\"><span class=\"icon-wrapper circle-no\"><i class=\"fusion-li-icon awb-icon-check\" aria-hidden=\"true\"><\/i><\/span><div class=\"fusion-li-item-content\">\n<p><strong>Utiliser les m\u00e9thodologies agiles pour s'industrialiser<\/strong>:<\/p>\n<p>La m\u00e9thodologie agile (sprints, it\u00e9rations rapides suivies de semaines de feedback et d'alignement) a \u00e9t\u00e9 tr\u00e8s efficace pour identifier et traiter tous les points probl\u00e9matiques de Sanofi et pour assurer la cr\u00e9ation de valeur pour les \u00e9quipes de Sanofi.<\/p>\n<\/div><\/li><\/ul><div class=\"fusion-text fusion-text-11\" style=\"--awb-font-size:20px;--awb-line-height:32px;--awb-text-color:#0a1128;--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><hr \/>\n<p><span style=\"color: #808080;\">Artefact souhaite remercier Ayaka Yanagisawa, Albert Pla Planas, Antoine Tran-Quan-Nam, Laurent Gautier et Sergio Villordo de Sanofi pour leur confiance et leur collaboration \u00e0 ce projet, ainsi que l'\u00e9quipe de Databricks pour son soutien r\u00e9actif. Cet article a \u00e9t\u00e9 coproduit par les \u00e9quipes Sanofi CHC et Databricks avec Tristan Silhol, Maui Bar, Louise Morin et Eva Le Saux des bureaux Artefact US et France.<\/span><\/p>\n<\/div><\/div><\/div><\/div><\/article>","protected":false},"excerpt":{"rendered":"","protected":false},"featured_media":60881,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"categories":[3007],"class_list":["post-60115","cases","type-cases","status-publish","has-post-thumbnail","hentry","category-healthcare"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/cases\/60115","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/cases"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/cases"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/60881"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=60115"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/categories?post=60115"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}