Le projet s'est articulé autour de plusieurs phases clés, allant de la découverte des besoins de GSMC à la mise en place d'algorithmes performants. Grâce à une collaboration étroite entre les équipes de SUMMIT, EFFIDIC et GSMC, des réunions régulières ont assuré un suivi rigoureux. Cela a conduit à la création de modèles d’apprentissage capables d’analyser les données clients et d'anticiper les besoins des assurés.
Sous l’impulsion d’une équipe mixte du Département Technique Mathématiques et Applications (DTMA) de SUMMIT et de SCAI, ce projet a mobilisé des connaissances poussées en mathématiques appliquées et en machine learning.

En collaboration avec SCAI, les ingénieurs Silouane De Reboul et Jacques Geslin du DTMA ont proposé et implémenté des méthodes d’apprentissage statistique allant de la réduction de dimension à partir de données numériques et/ou catégorielles à la classification de profils en fonction de critères identifiés par les experts-métiers, visant à identifier des marqueurs dans les profils et à associer de manière optimale des offres de la mutuelle GSMC. Ces algorithmes ont permis d'extraire des informations pertinentes à partir d’un historique de données, ouvrant ainsi des perspectives d’optimisation des services et d’anticipation des besoins des clients. Cette collaboration a mis en avant l'importance d'une analyse sur mesure des données dans le secteur de la santé mutualiste. Grâce aux modèles d’apprentissage développés, GSMC est désormais capable d’anticiper certains comportements de ses assurés et d’adapter ses services de manière proactive. Ce projet ouvre également des perspectives pour des applications similaires dans d'autres domaines stratégiques de l'entreprise.