DigisixDigisixAnalyse Business
dorothee@digisix.be
Mission · Projet personnel · en production

LudoExplorer, un projet personnel de bout en bout

Un projet personnel qui transforme des données publiques sur les jeux de société en site de recommandation, de l'analyse des données à la mise en production.

Rôle
De l'analyse à la mise en production
Depuis
2025
Langues
FR · NL · EN
Statut
En production
Voir ludoexplorer.com →

Le problème

LudoExplorer est un projet personnel, construit de A à Z, qui transforme un ensemble de données publiques sur les jeux de société en un site de recommandation vivant. C'est aussi une démonstration concrète des quatre piliers de mon activité, l'analyse business et data, l'automatisation, et l'intelligence artificielle appliquée.

Les amateurs de jeux de société ont des milliers de titres à disposition, et peu de moyens simples de trouver un jeu qui ressemble à celui-ci en fonction de leurs vrais critères, la taille du groupe, la langue, l'envie ou non de lire beaucoup de règles. Des données publiques existent sur le sujet, mais elles sont volumineuses, incohérentes et multilingues, pas directement utilisables telles quelles.

Les problèmes au départ

  • Problématique 01

    Des milliers de titres

    Peu de moyens simples de trouver un jeu selon ses vrais critères.

  • Problématique 02

    Des données brutes

    Volumineuses, incohérentes et multilingues, pas utilisables telles quelles.

  • Problématique 03

    Un vocabulaire d'initiés

    Difficile de trouver un point de départ sans connaître les termes du secteur.

Mon intervention

Avant d'écrire la moindre ligne de recommandation, le vrai travail portait sur les données. Comprendre un export public large et incohérent, jeux décrits en plusieurs langues, catégories incohérentes, champs manquants, doublons, et décider ce qui valait la peine d'être gardé. Construire une classification qui reflète la manière dont les gens cherchent réellement un jeu, pas seulement la manière dont la donnée brute était étiquetée à l'origine. Définir ce qu'une bonne recommandation veut dire concrètement, un mélange de similarité, de popularité, et de correspondance avec le nombre de joueurs, la complexité et la langue.

Une fois cette base posée, les données ont été enrichies. Des descriptions courtes et pensées pour aider une personne à décider ont remplacé le texte source, souvent sec et incohérent, dans les trois langues du site.

La partie automatisation garde le site en fonctionnement sans intervention manuelle, mises à jour, sauvegardes et surveillance de bon fonctionnement, sur un serveur en production.

L'intelligence artificielle intervient là où elle apporte une valeur réelle, un moteur de recommandation personnalisé, une compréhension plus souple des recherches, et un test de personnalité qui aide une personne à trouver un point de départ sans connaître déjà le vocabulaire technique du secteur.

  • Machine learning
  • IA appliquée
  • Projet personnel
  • Deep learning

Ce qui a été livré

  • Une donnée structurée

    Nettoyée, classée selon la façon dont les gens cherchent réellement un jeu, enrichie dans trois langues.

  • Des recommandations

    Un mélange de similarité, de popularité et de correspondance avec le nombre de joueurs, la complexité et la langue.

  • Un site qui tourne seul

    Mises à jour, sauvegardes et surveillance automatiques en production.

Le résultat

Un site public avec recherche, filtres, fiches de jeu détaillées, recommandations personnalisées, un outil de comparaison entre deux jeux, et un test de personnalité. Un support complet en français, anglais et néerlandais, pour la recherche, les recommandations et le contenu, pas seulement les libellés. Un tableau de bord interne qui suit l'usage réel et les erreurs : avec peu de trafic pour l'instant, il sert surtout à repérer les problèmes tôt. Un déploiement en production qui tourne seul, avec mises à jour automatiques, sauvegardes et surveillance de santé.

Ce que le projet a rendu possible

  • Un site public complet

    Recherche, filtres, fiches détaillées, recommandations, comparaison et test de personnalité.

  • Trois langues

    Français, néerlandais et anglais, pour le contenu et pas seulement les libellés.

  • Des problèmes repérés tôt

    Un tableau de bord interne suit l'usage et les erreurs. Avec peu de trafic pour l'instant, il montre surtout ce qui ne fonctionne pas.

En coulisses

J'ai raconté la construction du projet, erreurs comprises, dans dix articles publiés sur Medium, en anglais. Les leçons qui valent aussi pour un projet client sont réunies dans cet article.

À retenir

LudoExplorer est assez petit pour être expliqué en une seule page, et touche pourtant chaque couche de mon activité.

  1. Filtrer les données selon le besoin

    Environ 125 000 entrées dans la source, environ 90 000 gardées dans le catalogue.

  2. Demander plutôt que deviner

    La recherche a deux modes, par nom ou par idée, car aucune règle ne les distinguait de façon fiable.

  3. Compter les personnes, pas les pages

    259 106 sessions en quatre semaines, dont 136 avec une vraie action.

  4. Mesurer avant de croire

    Un correctif convaincant aurait réécrit 5 441 clés de recherche correctes. J'ai vérifié d'abord.

Un processus de votre organisation vous fait perdre du temps ? L'Analyse de processus vous en donne une première lecture en 5 minutes, gratuitement. Faire l'Analyse de processus →

Un projet peut réunir data, IA, automatisation et expérience utilisateur sans perdre de vue le problème de départ

Si vous avez un projet qui combine plusieurs de ces dimensions, je peux vous aider à relier les besoins métier, les données et la solution concrète.

Parler de mon projet →dorothee@digisix.be