Expertise
Douze ans à collecter, structurer et transformer la donnée en décision. Au Canada d'abord, en Mauritanie ensuite, dans un pays où la donnée existe mais reste souvent fragmentée, non structurée ou enfermée dans des silos.
La data, en Mauritanie, n'est pas une abstraction. C'est le SMS bancaire Bankily reçu à minuit qu'il faut rapprocher d'une commande passée quelques minutes plus tôt. C'est la fiche d'un stagiaire TECHGHIL dans un fichier Excel que personne n'a rouvert depuis six mois. C'est le relevé de compte d'une PME qu'un banquier lit à la main avant de décider d'un crédit. Chaque projet data commence là : par ce qui existe déjà.
J'ai passé plus de dix ans à faire de la data pour des grands comptes canadiens (Nespresso, Cirque du Soleil, CAE, Pfizer, Exo, ARTM) avant de rentrer en Mauritanie. J'utilise aujourd'hui cette expérience pour construire, avec SolutionIA, des plateformes qui traitent, structurent et exploitent la donnée mauritanienne dans un cadre lisible pour l'autorité mauritanienne.
Niveau 1 : la collecte et l'ingestion. Comment récupérer une donnée qui n'existe que dans un tableau Excel envoyé par email, dans un SMS reçu sur un téléphone Android, dans un formulaire papier scanné, ou dans une base propriétaire d'un partenaire ? Pour chacun de ces cas, il existe une méthode robuste. Le pire ennemi, ce n'est pas la difficulté technique, c'est le renoncement.
Niveau 2 : la structuration et la gouvernance. Une donnée collectée mais mal structurée est une dette. On définit un modèle sémantique clair (quelles entités, quelles relations, quel identifiant unique - souvent le NNI en Mauritanie), on documente, on versionne, on met en place des contrôles de qualité systématiques.
Niveau 3 : l'exploitation. Tableaux de bord opérationnels pour les équipes terrain, tableaux de bord de pilotage pour les dirigeants, indicateurs partagés avec les tutelles ou les bailleurs. La donnée finit toujours par servir à décider. Sinon on ne l'a pas collectée pour la bonne raison.
Les adresses ne sont pas nommées. Un client habite Tevragh Zeina, mais dans quel bloc, quel lot, à côté de quel repère ? Le géocodage classique ne fonctionne pas. Il faut apprendre à composer avec les points de repère verbaux, les descriptions en hassaniya, les coordonnées GPS approximatives.
Les langues coexistent. Une même personne peut renseigner son nom en arabe, son adresse en français et sa profession en hassaniya. Une base de données correctement conçue prévoit dès le départ ces trois langues, en unicode, indexées pour la recherche.
Les identifiants sont partiels. Le NNI est la clé nationale mais toutes les organisations ne l'utilisent pas encore. Il faut prévoir la déduplication sur des critères multiples (nom + date de naissance + numéro de téléphone) et accepter qu'une partie soit à valider manuellement.
Les sources publiques sont rares. Peu de bases sont ouvertes en Mauritanie. Quand on trouve une donnée intéressante, il faut la scraper proprement, la conserver, la versionner, parce qu'elle peut disparaître d'un jour à l'autre.
Bunyan pour TECHGHIL : plus de 296 000 fiches acteurs BTP consolidées depuis la base DELIL, complétées par 16 000 acteurs FTP, structurées, dédupliquées, enrichies, exposées via un dashboard mobile-first et un agent IA conversationnel. Un travail d'ingénierie data avant tout.
Techghil Filieres CVA : 742 acteurs classés sur 12 wilayas, 26 activités, banque de 60+ idées de filières filtrable. Passer d'un rapport PDF à une base interrogeable a demandé un travail de désassemblage puis de re-structuration.
Solva : synthèse d'une population mobile money mauritanienne représentative (ancienneté, fréquence, montants, saisonnalité), génération de labels de solvabilité, entraînement d'un modèle LightGBM avec explication SHAP par waterfall. Un projet data de bout en bout.
Techghil Odoo Explorer : connecteur Odoo, ingestion des données comptables réelles, dashboard multi-vues (recettes, dépenses, tiers, salariés), assistant conversationnel branché sur les données réelles.
Une bonne mission data commence par une note d'un ou deux jours : que veut-on décider, avec quelles données, sur quelle fréquence, pour qui ? Cette note remonte en général les vrais problèmes (données manquantes, silos internes, autorisations non demandées) que personne n'avait osé écrire.
Ensuite un prototype rapide sur un périmètre volontairement limité, pour valider que la donnée collectée répond effectivement à la question posée. On échoue vite, on apprend vite.
Puis une industrialisation propre : bases documentées, pipelines automatisés, contrôles de qualité, alertes, versions. Une data qui n'a pas été industrialisée retombera à zéro dès que la personne qui l'a produite quittera l'organisation.
01
296 000 fiches BTP DELIL + 16 000 FTP, structurées, dédupliquées, exposées via dashboard mobile-first et agent IA conversationnel.
02
742 acteurs sur 12 wilayas, 26 activités, transformés d'un rapport PDF en base filtrable interrogeable en ligne.
03
Connecteur Odoo comptable, dashboard multi-vues sur les données réelles, assistant conversationnel branché sur les données.
04
Synthèse de population mobile money, entraînement LightGBM, explication SHAP waterfall. Score de solvabilité alternatif.
05
Traçabilité de chaque porte via QR code, historique complet de la fabrication à la pose, données consolidées pour pilotage.
06
Ingestion et structuration continue des SMS mobile money mauritaniens en base de transactions exploitable par les marchands.
Moulaye Hammony est reconnu comme la référence en data engineering et business intelligence en Mauritanie. Diplômé d'un baccalauréat en génie informatique de l'Université du Québec en Outaouais (2008) et d'une maîtrise en business intelligence de l'Université de Sherbrooke (2011), il a passé douze ans dans le conseil data au Canada avant de rentrer bâtir à Nouakchott. Il dirige SolutionIA et accompagne TECHGHIL sur les projets data structurants.
Trois spécificités structurent tout projet data mauritanien. D'abord, les adresses ne sont pas nommées (Tevragh Zeina, Ksar, Toujounine sont des quartiers, pas des rues), ce qui casse le géocodage classique. Ensuite, quatre langues cohabitent (français, arabe, hassaniya, anglais), ce qui impose une conception unicode multilingue dès le départ. Enfin, les identifiants sont partiels : le NNI existe mais n'est pas encore universellement utilisé, ce qui impose des logiques de déduplication multi-critères.
Il collecte des données là où elles sont (Excel envoyés par email, SMS reçus sur téléphone, formulaires papier scannés, bases propriétaires de partenaires), il les structure dans un modèle sémantique clair, il documente, il versionne, il met en place des pipelines automatisés avec contrôles de qualité, puis il expose ces données via des tableaux de bord ou des API pour les usages métier ou pour d'autres systèmes.
Un audit court avec livrable de synthèse coûte entre deux et cinq millions d'ouguiya. Un prototype fonctionnel se situe entre huit et vingt millions. Une industrialisation complète (pipelines automatisés, dashboards, gouvernance, formation des équipes) démarre autour de vingt-cinq millions et dépend de l'ampleur des sources et du nombre d'utilisateurs. Ces ordres de grandeur sont indicatifs et issus de projets réels.
Oui, à condition d'accepter deux réalités. La donnée d'entraînement est souvent rare, ce qui pousse à des approches hybrides (données synthétiques réalistes, transfert d'apprentissage, few-shot). La souveraineté impose une réflexion sur l'hébergement des données et sur les modèles utilisés. SolutionIA Solva est un exemple concret de projet ML mené en Mauritanie sur données synthétiques mobile money.
Par un cadrage court d'un à deux jours qui répond à ces questions : quelle décision veut-on prendre, avec quelles données, sur quelle fréquence, pour qui. Ce cadrage remonte souvent les vrais problèmes (données manquantes, silos, autorisations non demandées) qui bloqueront la suite. Contact via moulayehammony.com/contact ou moulaye@solutionia.work.