Ce qui fait tourner Sympheny. Et ce qui ne le fait pas.
Une explication claire de la manière dont Sympheny calcule, de ce que le clustering fait et ne fait pas, et du rôle des assistants IA — ainsi que du sort exact réservé à vos données.
Trois couches distinctes — chacune transparente et intentionnelle.
Sympheny fonctionne sur trois couches. Les deux premières interviennent dans le calcul : l'optimiseur proprement dit, et un clustering optionnel qui peut réduire le temps de résolution des grands modèles. La troisième se situe à l'extérieur : les interfaces par lesquelles vous pilotez Sympheny, y compris les assistants IA que vous choisissez de connecter. Rien dans cette 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.
Vous pouvez optimiser une année complète en résolution horaire. Pour les modèles plus volumineux, vous pouvez choisir de regrouper les journées similaires en un nombre réduit de jours types représentatifs afin de réduire le temps de résolution. Sympheny utilise pour cela un clustering k-medoids et k-means. Vous décidez s'il faut clusteriser, et combien de jours types utiliser, via le réglage de résolution temporelle, qui détermine également les tolérances d'erreur que le clustering doit respecter.
C'est un regroupement, pas un apprentissage. Aucun modèle n'est entraîné, rien n'est repris d'une exécution sur l'autre, et vos données ne servent jamais à améliorer quoi que ce soit. Le clustering est recalculé de zéro à partir de vos propres données à chaque fois, et relancer un scénario inchangé donne les mêmes jours types et les mêmes résultats.
Sympheny met à disposition dès aujourd'hui une API REST et un SDK Python : un assistant IA ou un agent de codage peut ainsi préparer un scénario, lancer une optimisation et en récupérer les résultats. Un serveur MCP est en développement et arrivera dans les prochaines semaines. La mise en place est documentée sur docs.sympheny.com. C'est une interface vers la plateforme, pas une modification du 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 activé par défaut. Vous décidez de connecter ou non un assistant et de choisir le fournisseur, et les données que vous lui transmettez lui parviennent dans le cadre de votre contrat avec lui, et non du nôtre. Sympheny n'intègre aucun modèle tiers dans son propre pipeline de calcul.
Sympheny repose sur un cœur MILP mathématiquement rigoureux, épaulé par un clustering non supervisé qui regroupe vos données sans jamais en apprendre quoi que ce soit — reproductible entre deux exécutions, 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.