Theodo France

Nous respectons 3 piliers principaux pour s’assurer de la qualité du code :

• Stabilité : Nous visons un objectif de 0 bug sur les produits que nous développons en réalisant des analyses détaillées de chaque défaut pour identifier les causes racines.
• Sécurité : Notre culture DevSecOps et les directives de l’OWASP assurent l’amélioration de la sécurité de nos applications.
• Performance : Nous monitorons la vitesse de chargement des pages et la performance de nos APIs.

Plusieurs rituels encouragent cette approche autour de la qualité :

• Code review
• Déploiement et intégration continus
• Test automatique avec un objectif de 90% de branch coverage avec l’application des principes du TDD.

Pour AXA Climate, les équipes de Theodo ont développé Altitude, un outil de prévision des risques climatiques pour les fonds de private equity.

Basé sur les connaissances des experts climats d’AXA Climate, cette plateforme permet aux investisseurs d’anticiper les risques climatiques auxquels sont exposés leur cibles à horizon 2100 et de s’y adapter.

Pour construire cette plateforme, une collaboration étroite a été nécessaire entre les équipes Theodo et les experts métiers chez AXA Climate, afin de rendre les analyses climatiques rapides et facilement actionnables pour les investisseurs. La technologie serverless permet un scaling rapide de l’outil et une limitation des coûts d’infrastructure pour le client.

Altitude est désormais utilisé par plus de 30 fonds en France, en Grande Bretagne et aux États-Unis pour plus de 900 milliards de dollars d’investissements potentiels analysés.

Le lancement d’une nouvelle plateforme similaire pour les acteurs industriels (Altitude Industry), également développée par Theodo, a même eu lieu en juin 2025 !

Les équipes Theodo ont développé un assistant personnel basé sur la GenAI pour un grand groupe dans le luxe.

Le concept de l’assistant est le suivant : l’utilisateur peut faire n’importe quel demande de produit, par exemple « Je veux une robe bleue », et l’assistant répond de manière personnalisée et la plus pertinente possible avec une description de produit écrite et une image cliquable.

Afin de produire cette réponse personnalisée, l’équipe a utilisé les technologies IA. De LLM (large language models), notamment ChatGPT pour le conversationnel et OpenAI comme algorithme de recherche de produit. L’intégration a été faite en Next.JS

Après une première mise en production au bout d’1 mois et demi, les équipes ont itéré sur le produit en ajoutant de nouvelles fonctionnalités, telles que la commande vocale, et augmenté au fur et à mesure la pertinence des réponses.

Cet assistant a été mis en production sur le e-commerce du client, et a reçu des centaines de visites en quelques jours.