http://repository.enp.edu.dz/jspui/handle/123456789/10724 2026-04-09T12:27:46Z http://repository.enp.edu.dz/jspui/handle/123456789/11359 Improving ride-hailing order allocation via a ranked-first policy : Case Yassir Ighil, Chakib Ride-hailing platforms typically employ the nearest-first matching policy that prioritizes proximity while disregarding driver acceptance behavior, leading to inefficient assignments. This work proposes and evaluates a Ranked-First Policy that integrates acceptance prediction into the dispatching process, using Yassir, Algeria’s leading ride-hailing platform, as a case study. An empirical analysis of 312,216 dispatch records from Oran, Algeria, revealed systematic patterns in driver acceptance behavior influenced by economic, temporal, spatial, and experiential factors. A comprehensive feature set was engineered to capture these behavioral signals, and an XGBoost model achieved an AUC of 0.785 with 79.2% Hit@1 accuracy, correctly identifying the accepting driver as the top-ranked candidate in most cases. A counterfactual simulation against Yassir’s current ETA-based policy demonstrated substantial operational improvements: first-offer success rate nearly doubled from 43.46% to 79.2%, and average time-to assignment decreased by 72%, from 21.18 to 5.79 seconds. These result confirm that acceptance-aware matching significantly enhances efficiency by reducing rider wait times and optimizing driver allocation. Mémoire de Projet de Fin d’Études : Génie Industriel. Data Science et Intelligence Artificielle : Alger, École Nationale Polytechnique : 2025 2025-01-01T00:00:00Z http://repository.enp.edu.dz/jspui/handle/123456789/11335 Développement d’une application web permettant l’extraction de renseignements sur le forage et prévision des risques de forage : application SLB NAF Ex-Schlumberger Terfani, Ahmed Abdelnour; Izerouel, Adel Sofiane Ce travail porte sur le développement intégral, à partir de zéro, d’une application web pour l’extraction d’informations et la prédiction des risques à partir des rapports journaliers de forage (DDR) dans l’industrie pétrolière et gazière. L’objectif principal est de fournir aux ingénieurs et responsables de forage des informations exploitables pour optimiser l’efficacité opérationnelle et atténuer les dangers potentiels. La solution, conçue et réalisée entièrement en interne, comprend le traitement des données des DDR, l’application de techniques de science des données pour la reconnaissance de formes, et l’utilisation de modèles d’apprentissage automatique et d’intelligence artificielle (IA) avancés pour la génération d’informations pertinentes et la prédiction fiable des risques. Toutes ces fonctionnalités sont accessibles via une interface web de type tableau de bord (dashboard) conviviale, spécifiquement conçue pour une analyse efficace des données et une visualisation claire des risques prédits. Mémoire de Projet de Fin d’Études : Génie Industriel. Data Science et Intelligence Artificielle : Alger, École Nationale Polytechnique : 2025 2025-01-01T00:00:00Z http://repository.enp.edu.dz/jspui/handle/123456789/11334 Optimization of recommender systems using knowledge graphs Mokeddem, Boualem; Guia, Hocine Islam Spatial and temporal recommendation systems struggle to fully exploit the geographic context. However, information on administrative areas and relationships between points of interest remains largely underutilized. This thesis proposes to integrate an urban knowledge graph to fill this gap. Several prediction models are compared, such as: Each architecture is trained twice, without any graph information, and by injecting KG embeddings as static features or initial states. By combining symbolic reasoning (knowledge graph) and spatiotemporal deep learning, this study shows that an explicit geographic context significantly improves the accuracy of place recommendations. Mémoire de Projet de Fin d’Études : Génie Industriel. Data Science et Intelligence Artificielle : Alger, École Nationale Polytechnique : 2025 2025-01-01T00:00:00Z http://repository.enp.edu.dz/jspui/handle/123456789/11333 Conception d’un assistant intelligent pour la valorisation de l’information interne : BNP Paribas El Djazaïr Meradji, M.Idir; Zennadi, Zina Ce mémoire présente le développement d’un assistant intelligent interne pour BNP Paribas El Djazaïr, visant à faciliter l’accès à l’information métier et aux procédures internes. L’architecture retenue repose sur un système multi-agents spécialisé, où chaque agent exécute une tâche précise (reformulation, recherche, synthèse, conformité, etc.), permettant une gestion modulaire, flexible et explicable des requêtes utilisateurs. Le cœur technologique s’appuie sur la méthode Retrieval-Augmented Generation (RAG) combinant la recherche vectorielle rapide et la génération automatique de réponses. Notre système vise à optimiser la performance opérationnelle, la traçabilité et la qualité des réponses, tout en garantissant la conformité aux règles internes. Le prototype développé inclut une interface ergonomique et un pipeline intelligent, démontrant la pertinence du modèle multi-agents pour les assistants métier complexes. Mémoire de Projet de Fin d’Études : Génie Industriel. Data Science et Intelligence Artificielle : Alger, École Nationale Polytechnique : 2025 2025-01-01T00:00:00Z