Accueil / ENTREPRISE / Agence data Keyrus : quels services pour les entreprises ?

Agence data Keyrus : quels services pour les entreprises ?

découvrez les services de l’agence data keyrus : conseil, valorisation des données, ia et solutions digitales pour accompagner la performance des entreprises.

Une direction commerciale veut comprendre pourquoi ses prévisions dérapent. Une équipe financière cherche à rapprocher ses chiffres sans multiplier les fichiers. Un industriel dispose de nombreux historiques, mais peine à les exploiter pour anticiper les pannes. Derrière ces situations se trouve une même difficulté : transformer des informations dispersées en décisions fiables, puis en actions utiles. Keyrus intervient sur cette chaîne, du cadrage stratégique à l’exploitation des solutions, avec des activités couvrant le conseil, les plateformes analytiques, l’intelligence artificielle, le pilotage de la performance et les expériences numériques.

Pour une entreprise, choisir cette agence data ne consiste donc pas simplement à commander un tableau de bord ou un assistant conversationnel. Il faut déterminer quels problèmes résoudre, quelles sources mobiliser et quelles responsabilités organiser. Les prestations prennent leur sens lorsqu’elles relient une ambition métier à un dispositif technique durable. Pour rendre ces enjeux concrets, suivons le cas fictif d’Atelier Nord, une société qui fabrique et distribue des équipements professionnels : ses ventes progressent, mais ses stocks, ses indicateurs et ses outils de planification restent difficiles à coordonner.

En bref

  • Conseil en data : définir les priorités, évaluer la maturité et construire une feuille de route liée aux objectifs économiques.
  • Plateformes et services data : collecter, rapprocher, sécuriser et rendre accessibles les informations nécessaires aux métiers.
  • Business intelligence : fiabiliser les indicateurs et faciliter leur utilisation quotidienne.
  • Data science et IA : développer des modèles, encadrer les assistants et préparer leur fonctionnement en production.
  • Performance et adoption : relier les solutions aux processus financiers, commerciaux et opérationnels, avec un accompagnement des utilisateurs.

Sommaire

Agence data Keyrus : définir une stratégie et une gouvernance utiles aux métiers

Le premier service attendu d’un cabinet spécialisé n’est pas nécessairement une nouvelle technologie. C’est souvent une clarification : quelles décisions doivent devenir plus fiables, plus rapides ou moins coûteuses ? Le conseil en data consiste à traduire ces attentes en objectifs opérationnels, puis à identifier les capacités nécessaires pour les atteindre.

Chez Atelier Nord, la direction envisage initialement de remplacer tous ses outils de reporting. Un diagnostic révèle pourtant que le principal problème vient de définitions contradictoires : les commerciaux comptent les commandes signées, tandis que la finance retient les factures émises. Acheter une nouvelle application sans traiter cet écart déplacerait le problème au lieu de le résoudre.

Conseil data Keyrus : prioriser les cas d’usage avant les outils

Une démarche de cadrage examine les processus, les systèmes existants, les compétences et les contraintes réglementaires. Les entretiens avec les responsables opérationnels permettent de distinguer un besoin réellement partagé d’une demande locale. Ils servent aussi à repérer les dépendances : une prévision commerciale n’est exploitable que si les références produits et les historiques sont suffisamment cohérents.

La priorisation doit combiner valeur attendue, faisabilité et effort de maintenance. Un cas spectaculaire peut nécessiter des informations indisponibles, alors qu’un rapprochement automatisé des commandes et des livraisons apporte rapidement un bénéfice tangible. L’enjeu n’est pas de promettre un retour universel, mais de construire une hypothèse économique vérifiable.

Pour Atelier Nord, le premier chantier devient la visibilité sur les ruptures de stock, avant un programme plus ambitieux de recommandations commerciales. Les responsables définissent un indicateur de départ, une population pilote et des critères d’acceptation. Cette précision évite qu’un projet soit déclaré réussi uniquement parce que son interface fonctionne.

Gouvernance des données : attribuer des responsabilités concrètes

La gouvernance des données organise les responsabilités autour des informations utilisées. Qui valide une définition ? Qui corrige une anomalie ? Qui autorise l’accès à un historique client ? Sans réponses explicites, chaque désaccord devient une négociation improvisée entre services, et les délais s’allongent.

Une organisation efficace distingue le responsable métier d’un domaine, les personnes chargées de sa qualité et les équipes qui exploitent les systèmes. Un catalogue documente les ressources disponibles, leur signification et leurs conditions d’utilisation. La traçabilité permet de comprendre comment un chiffre a été calculé et quelles transformations il a subies.

La gestion des référentiels, souvent appelée MDM, complète ce dispositif lorsque plusieurs applications décrivent les mêmes clients, fournisseurs ou produits. Chez notre fabricant fictif, une référence commerciale et une référence logistique peuvent désigner le même équipement. Les rapprocher réduit les erreurs de consolidation et améliore la compréhension des marges.

La confidentialité doit également être prévue dès le cadrage. Une information utile à la vente n’a pas nécessairement vocation à être visible par tous les collaborateurs. Les droits d’accès, les durées de conservation et les usages autorisés doivent être définis avec les fonctions compétentes, notamment lorsque des données personnelles sont concernées.

Le positionnement présenté par Keyrus associe les enjeux métiers, les capacités analytiques et l’IA. Pour évaluer cette approche, une entreprise peut demander des livrables précis : cartographie de l’existant, portefeuille de cas d’usage, responsabilités et trajectoire d’investissement. Une stratégie devient utile lorsqu’elle permet de choisir, de renoncer et d’organiser la suite.

découvrez les services de l’agence data keyrus : conseil, analyse de données, intelligence artificielle et solutions digitales pour accompagner les entreprises.

Services data Keyrus : construire une plateforme fiable et évolutive

Une fois les priorités définies, le travail porte sur le socle technique. Les services data couvrent notamment la collecte, l’intégration, le stockage et la préparation des informations. Leur objectif n’est pas seulement de déplacer des fichiers : il s’agit de rendre les flux compréhensibles, contrôlables et exploitables dans la durée.

Atelier Nord utilise un progiciel de gestion, une application commerciale et des fichiers transmis par ses distributeurs. Chacun possède son rythme de mise à jour et son format. Si ces sources sont réunies sans règles communes, une livraison corrigée peut être comptée deux fois, ou une commande annulée rester visible dans les prévisions.

Data engineering : intégrer les sources sans perdre leur sens

Le data engineering construit les chaînes qui récupèrent et transforment ces éléments. Une alimentation quotidienne peut suffire au suivi financier ; une surveillance des stocks critiques nécessite parfois une fréquence supérieure. Le temps réel doit répondre à un besoin opérationnel, et non devenir une exigence automatique pour tous les usages.

Les traitements doivent gérer les erreurs, les reprises et les évolutions des systèmes sources. Lorsqu’un distributeur ajoute une colonne dans son fichier, le processus ne devrait pas produire silencieusement un résultat faux. Des contrôles vérifient les formats, les volumes et les règles métier, puis signalent les anomalies aux personnes chargées de les traiter.

Les tests portent aussi sur les transformations. Par exemple, une conversion monétaire ou un regroupement de catégories doit être documenté et reproductible. Sans cette discipline, deux équipes peuvent obtenir des résultats différents à partir d’un historique identique, simplement parce qu’elles n’appliquent pas les mêmes conventions.

Plateformes cloud : choisir une architecture adaptée à l’entreprise

Le choix entre entrepôt analytique, lac de données ou architecture combinant plusieurs approches dépend des usages, des compétences disponibles et des contraintes de l’organisation. Une solution cloud peut faciliter l’évolution des capacités, mais elle ne dispense ni du contrôle des dépenses ni de la gestion des accès. L’architecture doit rester proportionnée aux volumes et aux exigences réelles.

Pour Atelier Nord, conserver certains traitements planifiés est plus pertinent que généraliser une infrastructure complexe. Les équipes ont besoin d’un stock consolidé chaque matin, pas d’une reconstruction permanente de tous les historiques. Cette décision réduit les coûts d’exploitation et simplifie les interventions lorsqu’un incident survient.

La sécurité associe plusieurs mécanismes : authentification, séparation des environnements, droits limités et journalisation des opérations. Les sauvegardes et les procédures de restauration doivent être testées. Une plateforme disponible en apparence peut rester inutilisable si personne ne sait rétablir correctement un flux essentiel.

Maintenance des plateformes data : prévoir l’exploitation dès la conception

La mise en production implique une surveillance continue des traitements et de la qualité. Un retard de chargement doit être visible avant que les utilisateurs prennent une décision sur des chiffres incomplets. Des engagements de service définissent les horaires attendus, les niveaux de criticité et les modalités d’escalade.

Les contrats doivent préciser qui intervient sur chaque couche : infrastructure, intégration, modèles et interfaces. Cette répartition évite les situations où chacun attribue l’incident à un autre prestataire. Elle permet aussi d’anticiper les évolutions, car une source correctement intégrée aujourd’hui peut changer de structure demain.

La présentation des services de Keyrus permet de situer ces activités parmi les autres domaines d’accompagnement. Lors d’une consultation, l’entreprise doit demander une architecture cible, les hypothèses de dimensionnement et les modalités de réversibilité. La robustesse d’un socle se mesure autant à sa maintenance qu’à ses performances initiales.

Business intelligence Keyrus : produire des indicateurs qui éclairent les décisions

La business intelligence transforme des informations préparées en indicateurs, rapports et vues analytiques. Sa valeur ne tient pas au nombre de graphiques disponibles. Elle dépend de la capacité des utilisateurs à répondre à une question, identifier un écart et décider d’une action sans reconstruire eux-mêmes les calculs.

Chez Atelier Nord, le directeur commercial souhaite comparer les ventes des régions. Une simple carte semble suffisante, jusqu’à ce qu’apparaisse une différence majeure : certains territoires réalisent surtout des ventes directes, d’autres travaillent avec des distributeurs. Comparer les montants sans distinguer les canaux conduirait à des interprétations trompeuses.

Reporting décisionnel : harmoniser les définitions et les calculs

Le travail commence par un modèle métier partagé. Chiffre d’affaires, marge, commandes ouvertes ou taux de service doivent posséder une définition précise. La date retenue, les exclusions et les règles de calcul sont aussi importantes que la représentation visuelle, car elles déterminent la signification du résultat.

Une couche sémantique permet de réutiliser les mêmes mesures dans plusieurs restitutions. Les équipes disposent alors de repères communs, sans interdire toute analyse locale. L’objectif est de distinguer les indicateurs officiels des explorations temporaires, afin qu’un calcul expérimental ne soit pas diffusé comme une référence validée.

Les contrôles de cohérence rapprochent les résultats avec les systèmes d’origine. Pour les montants financiers, les écarts doivent être expliqués avant diffusion. Cette étape peut sembler moins visible qu’une démonstration graphique, mais elle conditionne la confiance des responsables qui utiliseront ensuite les chiffres en réunion.

Tableaux de bord métier : relier chaque vue à une action

Un tableau destiné à la direction ne répond pas aux mêmes besoins qu’un écran utilisé dans un entrepôt. Le premier aide à arbitrer ; le second doit signaler rapidement un problème concret. La conception tient donc compte du contexte, de la fréquence de consultation et du niveau de détail nécessaire.

Pour notre entreprise fictive, la vue logistique affiche les commandes menacées par une rupture, puis permet d’identifier les composants concernés. Le responsable peut prioriser un réapprovisionnement ou proposer une livraison partielle. L’indicateur prend de la valeur lorsqu’il débouche sur une décision identifiable.

Les filtres et les possibilités d’exploration doivent rester maîtrisés. Trop d’options compliquent la lecture ; trop peu empêchent d’expliquer un écart. Des tests avec les utilisateurs permettent de vérifier qu’ils trouvent la réponse attendue sans formation disproportionnée ni export systématique vers un tableur.

Analytics en libre-service : donner de l’autonomie sans créer de nouveaux silos

L’autonomie analytique repose sur des ressources fiables et documentées. Elle suppose également des règles de publication, des droits adaptés et un accompagnement. Sinon, la multiplication des rapports personnels recrée les contradictions que la plateforme devait éliminer, avec des versions devenues impossibles à suivre.

Atelier Nord organise ainsi deux espaces : des restitutions validées pour le pilotage et un environnement d’exploration pour les analystes métiers. Les analyses utiles peuvent rejoindre le patrimoine commun après revue. Cette circulation transforme une initiative locale en ressource partagée, sans imposer un contrôle central sur chaque question.

L’adoption se mesure au-delà du nombre de connexions. On peut observer le temps consacré aux rapprochements manuels, la fréquence des désaccords sur les chiffres ou l’utilisation des résultats dans les processus de décision. Ces mesures révèlent mieux l’utilité du dispositif qu’une simple statistique de consultation.

Un reporting réussi réduit l’ambiguïté et facilite l’action ; il ne se contente pas d’afficher davantage de chiffres. Une fois cette confiance établie, l’entreprise dispose d’une meilleure base pour explorer les prévisions et les automatismes avancés.

Intelligence artificielle et data science : passer du prototype à un usage industriel

La data science exploite les historiques pour détecter des régularités, estimer une probabilité ou recommander une action. L’intelligence artificielle élargit ces possibilités à la compréhension de documents, aux assistants conversationnels et aux systèmes capables d’enchaîner des tâches. Ces applications ne présentent toutefois ni les mêmes risques ni les mêmes besoins techniques.

Atelier Nord veut anticiper les ventes pour réduire ses surstocks. Le chantier commence par une question précise : prévoir quelles quantités, à quel horizon et pour quelles décisions ? Un modèle destiné aux achats trimestriels ne se construit pas comme un outil de réapprovisionnement quotidien, même si les deux utilisent des historiques commerciaux.

Analyse prédictive : mesurer l’amélioration face à une méthode simple

L’analyse prédictive exige des données adaptées et un protocole d’évaluation rigoureux. Les promotions, les changements de gamme et les ruptures peuvent fausser l’interprétation des ventes passées. Une baisse observée ne signifie pas toujours une diminution de la demande : le produit était peut-être simplement indisponible.

Le modèle doit être comparé à une référence simple, comme une moyenne saisonnière ou la méthode déjà utilisée par les équipes. Les tests reproduisent autant que possible les conditions futures, sans laisser entrer des informations qui n’auraient pas été connues au moment de la prévision. Cette précaution évite des performances artificiellement flatteuses.

L’évaluation technique doit ensuite être reliée aux conséquences économiques. Une erreur sur une référence coûteuse et peu vendue n’a pas le même effet qu’un écart similaire sur un consommable courant. Atelier Nord examine donc les ruptures évitées, les stocks immobilisés et le temps consacré aux corrections manuelles.

IA générative et agents : encadrer les accès et les actions

Un assistant interne peut aider à retrouver une procédure, synthétiser un dossier ou préparer une réponse commerciale. Pour être utile, il doit consulter des documents autorisés, identifier ses sources et respecter les habilitations. Donner accès à toute la connaissance de l’organisation sans filtrage créerait un risque de divulgation.

Les systèmes agentiques vont plus loin en orchestrant plusieurs opérations. Par exemple, un dispositif peut consulter un stock, proposer une alternative et préparer une demande de transfert. Mais préparer une action et l’exécuter sont deux niveaux distincts : une validation humaine peut rester nécessaire pour modifier une commande ou engager une dépense.

Le positionnement communiqué par Keyrus met l’accent sur le passage d’expérimentations isolées à des systèmes exploités à l’échelle. Ce passage demande des garde-fous, des tests et une traçabilité, pas seulement un modèle plus puissant. Les droits accordés doivent être limités aux opérations nécessaires, avec des mécanismes d’arrêt et de reprise.

Industrialisation de l’IA : surveiller la qualité, les coûts et les incidents

Un prototype montre qu’un usage est possible ; il ne démontre pas encore sa viabilité quotidienne. Il faut prévoir les délais de réponse, les volumes, les erreurs, la confidentialité et les coûts. Les versions des composants doivent être suivies pour comprendre pourquoi un comportement a changé après une mise à jour.

Dans le cas des prévisions, la surveillance recherche une dégradation progressive des résultats. Pour un assistant, elle évalue notamment la pertinence des réponses, le respect des consignes et la qualité des références. Les utilisateurs doivent disposer d’un canal clair pour signaler une anomalie, avec une procédure de traitement.

Les données sensibles, les biais et les obligations applicables nécessitent une analyse adaptée au contexte. Un outil d’aide documentaire ne présente pas les mêmes enjeux qu’un système intervenant dans une décision concernant une personne. Industrialiser l’IA signifie organiser sa responsabilité opérationnelle, et pas seulement réussir sa démonstration.

Keyrus et transformation digitale : piloter la performance et accompagner le changement

Les solutions analytiques produisent leurs effets lorsqu’elles s’intègrent aux processus de travail. La transformation digitale ne se résume donc pas à remplacer un écran ou à automatiser un export. Elle modifie la manière de planifier, de collaborer, de contrôler une activité et de répartir les responsabilités.

Atelier Nord dispose désormais de chiffres cohérents et de prévisions mieux encadrées. Pourtant, ses responsables continuent à préparer leurs budgets dans des fichiers indépendants. Le bénéfice reste limité tant que les achats, les ventes et la finance ne partagent pas les mêmes hypothèses ni le même calendrier de décision.

Pilotage de la performance EPM : rapprocher budgets et opérations

L’EPM, ou pilotage de la performance de l’entreprise, couvre notamment la planification, les budgets, les prévisions et l’analyse des écarts. Il aide à relier les objectifs financiers aux facteurs opérationnels : volumes, prix, capacités, effectifs ou coûts d’approvisionnement. Cette articulation rend les hypothèses discutables et les scénarios comparables.

Notre fabricant peut simuler une hausse du prix d’un composant, puis observer son effet sur les marges et les besoins de trésorerie. Le scénario ne constitue pas une prédiction certaine ; il rend visibles les conséquences d’hypothèses explicites. Les responsables peuvent alors choisir entre renégociation, adaptation tarifaire ou modification du programme de production.

L’intégration avec les sources existantes réduit les ressaisies, mais elle doit conserver des contrôles. Les versions budgétaires, les validations et les ajustements doivent être traçables. Un processus plus rapide n’est pas forcément plus fiable si personne ne sait quelle hypothèse a été approuvée.

Besoin de l’entrepriseType d’accompagnementRésultat à examiner
Clarifier les prioritésStratégie et cadrage métierFeuille de route et critères de réussite
Rapprocher des sources disperséesIngénierie et architectureFlux contrôlés et informations accessibles
Comprendre les écarts d’activitéReporting et visualisationIndicateurs partagés et décisions documentées
Anticiper ou automatiserModélisation et systèmes intelligentsPerformance mesurée et exploitation encadrée
Coordonner les plansEPM et accompagnement des équipesScénarios cohérents et adoption effective

Services digitaux : intégrer les informations aux parcours utilisateurs

Les activités digitales et multi-expérience concernent les interfaces par lesquelles collaborateurs ou clients accèdent aux services. Un portail, une application ou un espace de suivi gagne en pertinence lorsqu’il utilise des informations fiables. La cohérence entre les systèmes compte autant que l’ergonomie de chaque écran.

Chez Atelier Nord, afficher un délai de livraison dans un espace client suppose de rapprocher disponibilité, capacité de préparation et contraintes de transport. Une interface séduisante qui promet une date irréaliste dégrade la confiance. Le travail sur les parcours doit donc inclure les règles métier et les exceptions opérationnelles.

Accompagnement du changement : organiser un transfert durable de compétences

La formation doit partir des tâches réellement effectuées. Un acheteur apprend à interpréter une alerte et à corriger une hypothèse ; un responsable financier apprend à suivre un scénario et à valider une version. Les supports génériques ne remplacent pas des exercices fondés sur les situations rencontrées au quotidien.

Des utilisateurs référents peuvent participer aux tests, expliquer les nouveaux usages et faire remonter les difficultés. Le transfert de compétences inclut également les administrateurs et les équipes techniques. L’entreprise doit comprendre ce qu’elle peut maintenir seule, ce qui nécessite une expertise externe et comment préparer une évolution.

Avant de choisir un accompagnement, elle peut demander des exemples comparables, les responsabilités proposées et les conditions de suivi après déploiement. La présence internationale annoncée par Keyrus peut être pertinente pour coordonner plusieurs implantations, mais elle ne remplace pas la vérification des compétences affectées au projet. La qualité d’un partenaire se juge sur sa capacité à rendre les équipes autonomes et les résultats observables.

{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Quels services propose lu2019agence data Keyrus aux entreprises ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Keyrus pru00e9sente des activitu00e9s de conseil et stratu00e9gie, du2019ingu00e9nierie des donnu00e9es, de plateformes analytiques, de business intelligence, du2019intelligence artificielle, de pilotage de la performance et de services digitaux. Le pu00e9rimu00e8tre concret du00e9pend des objectifs, du contexte technique et de lu2019accompagnement retenu.”}},{“@type”:”Question”,”name”:”Faut-il du00e9ju00e0 disposer du2019une plateforme pour travailler avec Keyrus ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Non. Une mission peut commencer par un diagnostic des sources et des usages existants. Ce cadrage permet de du00e9terminer su2019il faut amu00e9liorer les outils en place, construire un nouveau socle ou traiter du2019abord les du00e9finitions et les responsabilitu00e9s mu00e9tier.”}},{“@type”:”Question”,”name”:”Quelle diffu00e9rence entre business intelligence et analyse pru00e9dictive ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”La business intelligence sert principalement u00e0 du00e9crire et comprendre lu2019activitu00e9 u00e0 partir du2019indicateurs partagu00e9s. Lu2019analyse pru00e9dictive utilise des modu00e8les pour estimer des u00e9volutions ou des probabilitu00e9s futures. Les deux nu00e9cessitent des informations fiables, mais leurs mu00e9thodes du2019u00e9valuation diffu00e8rent.”}},{“@type”:”Question”,”name”:”Comment u00e9valuer le budget et le retour sur investissement du2019un projet data ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Le budget doit couvrir le cadrage, la ru00e9alisation, les licences ou infrastructures, la maintenance et la formation. Le retour su2019u00e9value par comparaison avec une situation de du00e9part, au moyen du2019indicateurs mu00e9tier tels que le temps u00e9conomisu00e9, les erreurs u00e9vitu00e9es ou lu2019amu00e9lioration du niveau de service.”}},{“@type”:”Question”,”name”:”Pourquoi un prototype du2019IA ne suffit-il pas pour passer en production ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Un prototype valide une possibilitu00e9 sur un pu00e9rimu00e8tre limitu00e9. La production exige aussi une gestion des accu00e8s, des tests, une surveillance, des procu00e9dures du2019incident et un contru00f4le des cou00fbts. Elle nu00e9cessite enfin une responsabilitu00e9 clairement attribuu00e9e pour les ru00e9ponses ou les actions du systu00e8me.”}}]}

Quels services propose l’agence data Keyrus aux entreprises ?

Keyrus présente des activités de conseil et stratégie, d’ingénierie des données, de plateformes analytiques, de business intelligence, d’intelligence artificielle, de pilotage de la performance et de services digitaux. Le périmètre concret dépend des objectifs, du contexte technique et de l’accompagnement retenu.

Faut-il déjà disposer d’une plateforme pour travailler avec Keyrus ?

Non. Une mission peut commencer par un diagnostic des sources et des usages existants. Ce cadrage permet de déterminer s’il faut améliorer les outils en place, construire un nouveau socle ou traiter d’abord les définitions et les responsabilités métier.

Quelle différence entre business intelligence et analyse prédictive ?

La business intelligence sert principalement à décrire et comprendre l’activité à partir d’indicateurs partagés. L’analyse prédictive utilise des modèles pour estimer des évolutions ou des probabilités futures. Les deux nécessitent des informations fiables, mais leurs méthodes d’évaluation diffèrent.

Comment évaluer le budget et le retour sur investissement d’un projet data ?

Le budget doit couvrir le cadrage, la réalisation, les licences ou infrastructures, la maintenance et la formation. Le retour s’évalue par comparaison avec une situation de départ, au moyen d’indicateurs métier tels que le temps économisé, les erreurs évitées ou l’amélioration du niveau de service.

Pourquoi un prototype d’IA ne suffit-il pas pour passer en production ?

Un prototype valide une possibilité sur un périmètre limité. La production exige aussi une gestion des accès, des tests, une surveillance, des procédures d’incident et un contrôle des coûts. Elle nécessite enfin une responsabilité clairement attribuée pour les réponses ou les actions du système.