Ce qui fait tourner Sympheny. Et ce qui ne le fait pas.
Une explication claire de la façon dont Sympheny calcule, de ce que le clustering fait et ne fait pas, et de la place des assistants IA — et précisément ce qui arrive à vos données.
Trois couches distinctes — chacune transparente et intentionnelle.
Sympheny fonctionne sur trois couches. Les deux premières interviennent dans le calcul : l'optimiseur lui-même, et le clustering qui rend soluble une année complète de données horaires. La troisième se situe en dehors : les interfaces par lesquelles vous pilotez Sympheny, y compris les assistants IA que vous choisissez de connecter. Rien dans la troisième couche ne modifie ce que calculent les deux premières.
Le cœur de Sympheny est un moteur de programmation linéaire en nombres entiers mixtes (MILP) — une approche mathématique rigoureuse utilisée en ingénierie et en recherche opérationnelle. Il trouve la configuration optimale du système énergétique compte tenu de vos contraintes techniques, économiques et réglementaires.
Chaque résultat est entièrement déterministe et auditable : les mêmes données d'entrée produisent toujours les mêmes résultats, et chaque recommandation peut être retracée jusqu'à ses équations sous-jacentes. Il n'y a pas de boîte noire, et pas d'IA dans les calculs.
Résoudre directement une année complète de données horaires serait impraticable : Sympheny regroupe donc les journées similaires en un nombre réduit de jours types représentatifs à l'aide d'un clustering non supervisé. Vous en fixez le nombre via le réglage de résolution temporelle, qui détermine également les tolérances d'erreur que le clustering doit respecter.
Il s'agit d'un regroupement, pas d'un apprentissage. Aucun modèle n'est entraîné, rien n'est reporté d'une exécution à l'autre, et vos données ne servent jamais à améliorer quoi que ce soit. Le clustering est recalculé à neuf à partir de vos propres données à chaque fois, et relancer un scénario inchangé produit les mêmes jours types et les mêmes résultats.
Sympheny publie une API REST, un SDK Python et un serveur MCP, de sorte qu'un assistant IA ou un agent de codage peut configurer un scénario, lancer une optimisation et en relire les résultats. La configuration est documentée sur docs.sympheny.com. Il s'agit d'une interface vers la plateforme, non d'un changement de mode de calcul : un assistant peut construire le modèle, mais celui-ci reste résolu par le moteur MILP de la couche 1, et les mêmes données d'entrée produisent toujours les mêmes résultats.
Rien de tout cela n'est actif par défaut. Vous décidez de connecter ou non un assistant et quel fournisseur utiliser, et les données que vous transmettez parviennent à ce fournisseur dans le cadre de votre accord avec lui, non du nôtre. Sympheny n'intègre aucun modèle tiers dans son propre pipeline de calcul.
Sympheny est construit sur un cœur MILP mathématiquement rigoureux, appuyé par un clustering non supervisé qui regroupe vos données sans jamais en tirer d'apprentissage — reproductible d'une exécution à l'autre, et sans aucun modèle entraîné sur les données clients.
Besoin de documentation pour vos achats ?
Nous pouvons fournir un Accord de traitement des données, une liste des sous-traitants et une description technique des composants IA de la plateforme sur demande. Parlez-nous avant la procédure d'achat — nous facilitons l'évaluation.