Portfolio de Raphaël Lauhon

Assistant-ingénieur en Biologie | Ingénieur pédagogique numérique

SunDepth – Webapplication de suivi et projection des dépenses

SunDepth – Webapplication de suivi et projection des dépenses

Contexte

Depuis 2024, je conçois et pilote SunDepth, une webapplication destinée à accompagner le département Génie Biologique (IUT) dans le suivi, la visualisation et la projection des dépenses. L’outil vise à rendre les données plus lisibles pour identifier des leviers d’optimisation et répondre rapidement aux questions récurrentes.

Le projet a démarré par un cahier des charges structuré selon la méthode ADDIE afin de formaliser les besoins, prioriser les fonctionnalités et organiser le déploiement. SunDepth automatise une partie du travail post-saisie, propose des tableaux de bord et intègre un modèle de prévision (HOLT) pour analyser l’évolution des prix et projeter les dépenses.

Accéder aux vidéos de présentation du projet en cliquant : ici

Illustration

Exemple d'un Sunbrush montrant la répartition des dépenses d'un service

Exemple d'un Sunbrush interactif montrant la répartition des dépenses d'un service

Missions réalisées

Compétences mobilisées

Apports du projet

SunDepth illustre ma capacité à conduire un projet complet, du cadrage à la mise en production d’un outil opérationnel. Il facilite la lecture des dépenses, automatise des tâches post-saisie et contribue au pilotage budgétaire au quotidien.

La dimension “décisionnelle” repose sur des contrôles de cohérence (écarts, erreurs, alignement des bases) et sur un module de prévision : le modèle de HOLT aide à projeter les dépenses et à repérer l’évolution des prix. L’OPAG permet d’estimer, en début d’année, un budget théorique pour les TP (à ce stade perfectible, notamment par manque d’historique).

Enfin, j’ai accompagné l’adoption de l’outil via des tutoriels multimédias scénarisés (captures annotées, GIF, voix off IA), en appliquant des principes de conception inspirés de Mayer (segmentation, signalisation, réduction des distracteurs), pour rendre l’outil accessible à des profils variés.

Logiciel(s) utilisé(s)

Python Python
Flask Flask
HTML HTML
CSS CSS
JavaScript JavaScript
Visual Studio Visual Studio Code
Excel Excel
PowerPoint PowerPoint
Camtasia Camtasia
Natural Reader Natural Reader