Dans le cadre de mon Master 2 en Mathématiques Appliquées à la Data Science, j’ai réalisé mon alternance au sein du groupe Covéa, acteur majeur du secteur assurantiel en France. Cette expérience m’a permis de participer à un projet de data science appliqué à l’analyse des trajets réalisés dans le cadre de la conduite accompagnée, avec des enjeux liés à la prévention, à la fiabilité des données et à l’accompagnement pédagogique. Le projet repose sur une application mobile développée par l’entité Coach AAC, rattachée à Covéa. Cette application permet aux jeunes conducteurs de suivre leur progression à travers leurs trajets. Les données collectées en temps réel concernent principalement la vitesse, la latitude et la longitude. Les autres variables exploitées dans le projet (type de route, limitations de vitesse, événements routiers) proviennent d’un processus d’enrichissement cartographique réalisé à partir des traces GPS. Le projet se structure autour de trois axes principaux : Scoring de la conduite : attribuer une note de qualité à chaque trajet en identifiant les comportements conformes ou à risque ; identification du conducteur : vérifier si le trajet a réellement été effectué par l’élève, ou s’il a été conduit par une autre personne ; évaluation de l’aptitude à passer le permis : déterminer si l’élève en conduite accompagnée est prêt ou non à passer l’examen, en considérant plusieurs critères. Ces trois volets mobilisent des approches variées : modèles séquentiels, méthodes supervisées, apprentissage de représentation et techniques d’interprétabilité. Ce rapport retrace l’ensemble des travaux réalisés au cours de cette alternance, depuis la préparation des données jusqu’à la mise en œuvre des modèles et l’analyse des résultats.
As part of my Master’s degree in Applied Mathematics for Data Science, I carried out my apprenticeship within the Covéa Group, a major player in the French insurance sector. This experience allowed me to take part in a data science project applied to the analysis of driving sessions in the context of accompanied driving, with key challenges relating to prevention, data reliability, and pedagogical support. The project was based on a mobile application developed by the Coach AAC entity, part of Covéa. This application enables young drivers to monitor their progress through their recorded trips. The data collected in real time mainly include speed, latitude, and longitude. Other variables used in the project (road type, speed limits, traffic events) are obtained through a cartographic enrichment process applied to the raw GPS traces.
The project was structured around three main axes:
— Driving scoring: assigning a quality score to each trip by identifying safe versus risky behaviors;
— Driver identification: verifying whether the trip was actually driven by the learner, or by another person;
— Assessment of license readiness: determining whether the learner in accompanied driving is prepared to take the driving test, based on several criteria. These three components relied on a variety of approaches: sequential models, supervised learning methods, representation learning, and interpretability techniques. This report details the work carried out during the apprenticeship, from data preparation to model implementation and results analysis.