Plan de coûts et de capacité à partir de données de demande réelles
- Étude de cas 1
- 120 min
- Facultative · 1 étude de cas requise pour le certificat
Où nous en sommes
Cette étude de cas applique le dossier de conception du cours à de vraies données publiques de demande : la ligne 311 d'une ville. Vous mesurez le profil quotidien, la minute la plus occupée et la croissance, vous les transmettez au dossier sans le modifier, et vous terminez avec une fourchette de coûts, la première limite et un plan de croissance.
Étude de cas 1 sur 2 · Conception de systèmes d'IA et maîtrise des coûtsPlan de coûts et de capacité à partir de données de demande réelles
1. Commencer par les besoins
2. Concevoir l'architecture de bout en bout
3. Estimer les ressources et le coût
4. Optimiser avec des compromis mesurés
5. Concevoir pour les défaillances et la croissance
6. Présenter la proposition
Ce que vous saurez faire
Transformez une série publique réelle de demande en plan de coûts et de capacité pour un assistant qui n’existe pas encore. Vous mesurerez le profil quotidien, la minute la plus occupée et la croissance. Vous choisirez entre trois façons de décrire les pointes, sur une année gardée de côté. Vous transmettrez ensuite le résultat au dossier de conception du cours, sans le modifier. Vous terminerez avec une fourchette de coûts, la première limite, la marge avant chaque limite et un plan de croissance avec déclencheurs.
Cette étude de cas est un carnet (notebook) Jupyter. Le travail consiste à analyser : compter, comparer et transmettre le résultat à un calculateur. Le carnet exécute toutes les étapes de cette page en environ une minute, sur Colab gratuit ou votre ordinateur. Il télécharge les données et le calculateur du dossier de conception. Vous n’avez besoin ni de compte, ni de clé, ni d’argent.
Avant de commencerCe qu’il faut savoir et avoir sous la main
Ce que vous devez savoir
Cette étude de cas utilise l’ensemble du cours. Ces leçons sont les plus importantes :
- La demande sous forme de fourchettes appuyées par des données, la part de l’heure la plus occupée et le facteur de la minute la plus occupée, dans Hypothèses de demande.
- Les questions pendant la minute la plus occupée par rapport au quota du fournisseur, dans Calculer la charge de travail.
- Les coûts fixes et variables, les scénarios et la sensibilité, dans Économie unitaire.
- Les signaux, les seuils et les étapes, dans Plan de croissance.
- Un plan dont chaque étape commence sur un signal, dans Feuille de route de mise en œuvre.
La page enseigne deux idées absentes du cours : comment mesurer un profil de pointes pour le dossier à partir de données réelles, et la marge disponible.
Ce qu’il vous faut sur votre ordinateur
- Pour le carnet : rien. Il s’ouvre dans Colab ou Kaggle, installe pandas 3.0.6 et télécharge 13 fichiers (environ 1 Mo). Dans VS Code ou Jupyter, utilisez un environnement virtuel avec pandas 3.0.6 et matplotlib. Le carnet travaille dans un nouveau dossier
cost-plan; pour recommencer, supprimez ce dossier. - Pour l’exécution facultative dans votre propre dossier : votre dossier
design-packde la fin du module 6, ou l’instantanéend-of-m06.
Testé sur macOS (Apple silicon) avec Python 3.12.13, pandas 3.0.6, numpy 2.5.3 et matplotlib 3.11.2, dans Jupyter après un démarrage à neuf. Windows et Linux n’ont pas été testés.
La situation
Section intitulée « La situation »La ligne 311 d’une ville répond aux résidents. Ils posent des questions sur la collecte des encombrants, une collecte manquée, un lampadaire brisé ou le stationnement les jours de neige. Rosa dirige les services numériques de la ville. Elle veut un assistant public de questions-réponses sur le site Web et l’application du 311. Il répond à partir des pages de services de la ville, avec des citations, comme l’assistant documentaire du cours.
Avant de demander un budget, Rosa pose trois questions à Jamal, un architecte :
- « Quelle sera la fourchette de coûts par mois? »
- « Quelle limite atteindrons-nous en premier, et quand? »
- « Quand devrons-nous modifier la conception, et comment le saurons-nous? »
L’assistant n’existe pas encore et n’a donc aucun trafic. Mais les demandes au 311 d’une ville sont publiques. Jamal utilise celles de Boston comme demande, et le précise : la ville de Rosa doit vérifier ses propres chiffres. Rosa, Jamal et l’assistant font partie d’un scénario construit. Boston publie les données; la ville n’a pas demandé ce plan.
Ce que vous allez construire
Section intitulée « Ce que vous allez construire »Vous construirez un plan de coûts et de capacité à partir de données de demande réelles. La conception est celle du cours à la fin du module 6, sans modification. Elle comprend une application modulaire avec une réplique d’API toujours active, et PostgreSQL géré pour tout. Chat-small rédige chaque réponse, et un cache de réponses évite de répéter le travail. Seule la demande change. Vous l’écrivez dans demand.toml, et le calculateur du dossier de conception fait le reste.
Description textuelle du diagramme
L’image comporte deux rangées. Dans la première, les demandes horaires des résidents au 311 passent par quatre vérifications. Elles deviennent ensuite un tableau mensuel : la journée moyenne, l’heure la plus occupée et la minute la plus occupée de chaque mois. Les valeurs basses, de base et hautes passent du tableau mensuel à la deuxième rangée. Elles y deviennent demand.toml, avec des données à l’appui de chaque fourchette. Le dossier de conception, inchangé depuis le module 6, le lit. Il produit le plan : une fourchette de coûts, la première limite, la marge avant chaque limite et les signaux à surveiller.
Les données
Section intitulée « Les données »Les données sont 311 Service Requests de Boston, publiées sur Analyze Boston, le portail de données ouvertes de la ville. Elles comportent une ligne par demande, et les fichiers annuels font chacun de 150 à 185 Mo. Nextia Learning a donc demandé au système de stockage municipal les comptes par heure et la minute la plus occupée de chaque heure. Le résultat a été figé. Le fichier couvre la période de janvier 2022 à juillet 2025.
Jamal a comparé trois autres sources. Les données du 311 de San Francisco ont la même licence. Mais l’étude de cas Plan de capacité à partir d’une trace de trafic publique du cours sur la mise à l’échelle les utilise déjà, pour une file d’attente. Les vues de pages de Wikimedia sont dans le domaine public (CC0) et stables. Mais elles sont comptées par heure, ce qui empêche de mesurer la minute la plus occupée. Les données du 311 de New York ont des conditions d’utilisation, mais aucune licence ouverte nommée.
Jamal charge le fichier :
hours = load_hours("boston-311-hourly.csv")print(hours.shape)print(hours.head(3).to_string(index=False))print(hours.hour.min(), "to", hours.hour.max())(31392, 7) hour requests requests_raw busiest_minute busiest_minute_raw staff_requests month2022-01-01 00:00:00 2 2 1 1 3 2022-012022-01-01 01:00:00 0 0 0 0 6 2022-012022-01-01 02:00:00 0 0 0 0 5 2022-012022-01-01 00:00:00 to 2025-07-31 23:00:00Ce que cela nous apprend. Une ligne représente une heure, à l’heure locale de Boston, pour un total de 31 392 heures. Les heures sans demande ont aussi une ligne. load_hours() ajoute la colonne month (mois).
Le dictionnaire des données
Section intitulée « Le dictionnaire des données »| Colonne | Signification | Utilisation |
|---|---|---|
requests |
demandes des résidents pendant l’heure (application, appel téléphonique, formulaire Web), sans les lignes en double | le volume |
requests_raw |
la même chose, avant de retirer les lignes en double | une vérification |
busiest_minute |
le plus grand nombre de demandes des résidents en une minute de l’heure (sans doublons) | la pointe |
busiest_minute_raw |
la même chose, avant de retirer les doublons | une vérification |
staff_requests |
demandes créées par le personnel municipal | une vérification |
Premières vérifications
Section intitulée « Premières vérifications »Avant tout modèle, Jamal vérifie qui fait les demandes, les doublons, les heures vides et le moment de la journée :
years = hours.groupby(hours.hour.dt.year)[["requests", "requests_raw", "staff_requests"]].sum()print(years)print("hours without a request:", (hours.requests == 0).sum())print("repeated rows, share of the volume:", f"{1 - hours.requests.sum() / hours.requests_raw.sum():.2%}")print("busiest minute with repeats:", hours.busiest_minute_raw.max(), "without:", hours.busiest_minute.max())of_day = hours.hour.dt.hourprint("requests between 8:00 and 20:00:", f"{hours.requests[(of_day >= 8) & (of_day < 20)].sum() / hours.requests.sum():.1%}") requests requests_raw staff_requestshour2022 131702 131826 1411052023 163849 164155 1436342024 145369 145566 1611902025 70483 70699 89926hours without a request: 2918repeated rows, share of the volume: 0.16%busiest minute with repeats: 51 without: 26requests between 8:00 and 20:00: 82.7%Ce que cela nous apprend. Chaque constat change une étape ultérieure :
- Le personnel crée environ la moitié des demandes au 311. Les employés municipaux signalent ce qu’ils voient pendant leurs tournées. Ils n’utiliseraient pas un assistant pour les résidents; le fichier compte donc seulement les demandes des résidents.
- Les doublons représentent 0,16 % du volume, mais doublent la minute la plus occupée (51 contre 26). L’application de la ville envoie parfois un signalement plusieurs fois. Le coût suit le volume, mais le quota du fournisseur suit la minute la plus occupée. Le plan utilise donc les comptes sans doublons.
- 2 918 heures n’ont aucune demande. Ce sont des heures de nuit, et ces zéros sont réels.
- 83 % des demandes arrivent entre 8 h et 20 h. Le fichier
design.tomldu dossier suppose 12 heures occupées par jour dans son scénario de base. Les données concordent avec cette hypothèse. - Le fichier s’arrête en juillet 2025. À partir d’août 2025, la ville a transféré les demandes vers un nouveau système ayant d’autres colonnes. Mélanger deux systèmes donnerait l’impression d’une baisse de la demande.
Définir le problème
Section intitulée « Définir le problème »L’unité. Une demande d’un résident représente un résident qui interroge l’assistant. C’est l’hypothèse centrale du plan, et elle est présentée comme telle. Certains résidents font un signalement sans poser de question; beaucoup d’autres peuvent poser une question sans faire de signalement. Le paramètre customer_questions_per_day du dossier indique ensuite combien de questions chacun pose : 1, 1,5 ou 3 (bas, de base, haut). Le cours a supposé ces valeurs pour les clients de Larkfield.
La question. Quelle demande, avec quelles pointes et quelle croissance, faut-il inscrire dans demand.toml? La réponse détermine la fourchette de coûts et la première limite.
Une séparation dans le temps. Un plan fondé sur le passé doit fonctionner dans l’avenir. Jamal utilise donc trois périodes, dans l’ordre :
- les mois de conception, 2022 et 2023, pour choisir la méthode;
- l’année de vérification, 2024, pour tester le choix une seule fois;
- les nouveaux mois, de janvier à juillet 2025, pour exécuter la méthode terminée de bout en bout.
Une séparation aléatoire serait incorrecte. Les mois suivent des saisons et des tendances, et le plan doit affronter des mois qu’il n’a pas vus.
Explorer les besoins du plan
Section intitulée « Explorer les besoins du plan »La journée
Section intitulée « La journée »- Jours de semaine
- Fins de semaine
Description textuelle du graphique
Un graphique à deux courbes sur les 24 heures de la journée. En semaine, les demandes passent de moins de 1 par heure à 3 h à environ 39 par heure à 9 h. Elles restent au-dessus de 30 par heure jusqu’à 16 h, puis descendent à environ 4 par heure à 23 h. En fin de semaine, la courbe est plus basse et plus tardive : elle atteint environ 22 par heure à 11 h.
Ce que cela nous apprend. En semaine, l’heure de 9 h reçoit environ 50 fois plus de demandes que celle de 3 h. Une minute moyenne ne décrit aucune minute réelle. Le plan doit prévoir la capacité pour la plus occupée, comme dans Hypothèses de demande.
Les mois
Section intitulée « Les mois »Description textuelle du graphique
Un graphique à une courbe, avec un point par mois. En 2022, la journée moyenne compte environ 290 à 410 demandes, avec un sommet en été. En 2023, elle atteint 566 en août et 558 en septembre. En 2024, elle reste entre environ 370 et 460, puis descend à 281 en décembre. En 2025, elle commence à 274 en janvier et monte à environ 370 en juin.
Ce que cela nous apprend. Le volume suit une saison, avec un sommet en été. Il n’a pas non plus de tendance constante : +24 % de 2022 à 2023, −11 % en 2024, et encore moins en 2025. La croissance est le chiffre le moins certain de ce plan.
Mesurer la pointe par rapport à une journée moyenne
Section intitulée « Mesurer la pointe par rapport à une journée moyenne »Une recette pour un plus grand groupe
Section intitulée « Une recette pour un plus grand groupe »Un cuisinier a une recette pour un repas moyen de 4 personnes. Le soir le plus occupé du mois en attire 10. « Le soir le plus occupé représente 2,5 fois un repas moyen » est une note utile : elle permet d’adapter la recette. « Le plat principal représente 30 % de la nourriture du soir le plus occupé » est aussi vrai. Mais cela fonctionne seulement si on multiplie cette part par le soir le plus occupé, pas par un soir moyen. Un rapport n’est utile que si vous savez ce qu’il compare.
Le problème : un rapport calculé sur la mauvaise journée
Section intitulée « Le problème : un rapport calculé sur la mauvaise journée »Le dossier de conception passe d’une journée à sa minute la plus occupée en deux étapes. Une journée moyenne × la part de l’heure la plus occupée donne l’heure la plus occupée. L’heure la plus occupée ÷ 60 × le facteur de la minute la plus occupée donne la minute la plus occupée. Le dossier multiplie les questions d’une journée moyenne; la part doit donc être celle d’une journée moyenne. Ici, la journée la plus occupée du mois reçoit environ 1,5 fois les demandes de sa journée moyenne. Une part calculée par rapport à la journée la plus occupée sous-estimerait la pointe du plan d’environ un tiers. Le profil du cours pour Larkfield est mesuré correctement : Hypothèses de demande divise l’heure la plus occupée du soutien par sa journée moyenne (101 ÷ 822 = 0,123). Mais c’est le profil d’une autre charge de travail. Boston a besoin du sien.
L’idée : mesurer les deux nombres par rapport à une journée moyenne
Section intitulée « L’idée : mesurer les deux nombres par rapport à une journée moyenne »Pour chaque mois, Jamal mesure deux nombres :
- la part de l’heure la plus occupée = l’heure la plus occupée ÷ une journée moyenne de ce mois;
- le facteur de la minute la plus occupée = la minute la plus occupée × 60 ÷ l’heure la plus occupée.
En les multipliant de nouveau, les deux nombres reconstituent exactement la minute la plus occupée du mois. Une fourchette vient ensuite des mois : le mois le plus calme (bas), le mois médian (de base) et le mois le plus occupé (haut).
Un petit exemple : mars 2023
Section intitulée « Un petit exemple : mars 2023 »En mars 2023, une journée moyenne comptait 383,5 demandes, l’heure la plus occupée en comptait 62, et la minute la plus occupée, 6.
march = months.loc["2023-03"]share = march.busiest_hour / march.mean_dayfactor = march.busiest_minute * 60 / march.busiest_hourprint(f"share {share:.3f}, factor {factor:.2f}, busiest minute {busiest_minute(march.mean_day, share, factor):.2f}")share 0.162, factor 5.81, busiest minute 6.00Description textuelle du diagramme
La chaîne commence par une journée moyenne de mars 2023 : 383,5 demandes. La part de l’heure la plus occupée est 62 divisé par 383,5, soit 0,162; cette heure compte donc 62 demandes. Réparties sur 60 minutes, cela donne 1,03 demande par minute. Le facteur de la minute la plus occupée est 6 fois 60 divisé par 62, soit 5,81. Multiplié par 1,03, il donne la minute la plus occupée : 6 demandes, dans la dernière case.
Quand l’utiliser
Section intitulée « Quand l’utiliser »Utilisez cette méthode chaque fois que des données réelles remplacent un profil supposé. Mesurez chaque rapport par rapport à la quantité que le calculateur multiplie. Cela demande un tableau par mois et aucun outil supplémentaire. N’utilisez pas un seul mois : un mois est un seul échantillon. Et ne vous fiez pas seulement à la valeur haute. Le mois le plus occupé peut contenir un événement qui ne reviendra pas, ou qui reviendra à plus grande échelle.
Une référence de base et deux autres options
Section intitulée « Une référence de base et deux autres options »Jamal compare trois façons de remplir les deux lignes de demand.toml. Toutes trois utilisent le même volume; seul le profil des pointes diffère.
- Moyenne (la référence de base) : aucune pointe. Chaque minute est une minute moyenne : part 1/24, facteur 1. C’est la première réponse d’un tableur.
- Emprunté : le profil que le cours utilise pour Larkfield. Il vient des billets de soutien du cours sur la mise à l’échelle, également mesurés par rapport à une journée moyenne : part 0,10 / 0,123 / 0,20, facteur 3 / 5,35 / 8.
- Mesuré : les fourchettes mesurées sur les 24 mois de conception.
measured = shape_ranges(design)shapes = {"average": SHAPES["average"], "borrowed": SHAPES["borrowed"], "measured": measured}for name, s in shapes.items(): print(f"{name:9} share {s['peak_hour_share']}, factor {s['peak_minute_factor']}")average share [0.0417, 0.0417, 0.0417], factor [1.0, 1.0, 1.0]borrowed share [0.1, 0.123, 0.2], factor [3.0, 5.35, 8.0]measured share [0.148, 0.173, 0.403], factor [4.337, 5.424, 9.496]Ce que cela nous apprend. Le facteur de base mesuré est proche du facteur emprunté, mais la part de base mesurée est plus élevée : 0,173 contre 0,123. Les demandes des résidents se concentrent sur moins d’heures que les billets de soutien. Et les valeurs hautes mesurées sont beaucoup plus grandes. Elles viennent d’août 2023 et d’août 2022, des mois avec des séries soudaines de signalements : jusqu’à 26 en une minute. Les données ne permettent pas de savoir s’il s’agissait de résidents, d’une application envoyant des signalements accumulés ou d’une seule personne. Jamal les conserve comme scénario haut, et le précise.
La comparaison équitable, une seule fois
Section intitulée « La comparaison équitable, une seule fois »Une mesure tranche. Pour chaque mois de l’année de vérification, prenez sa propre journée moyenne et prédisez sa minute la plus chargée avec chaque profil. La journée moyenne réelle limite le test au profil seul. Un bon scénario de base couvre la plupart des mois sans grande marge. Rien dans l’année de vérification n’a servi à choisir quoi que ce soit.
for name, s in shapes.items(): base = busiest_minute(check.mean_day, s["peak_hour_share"][1], s["peak_minute_factor"][1]) high = busiest_minute(check.mean_day, s["peak_hour_share"][2], s["peak_minute_factor"][2]) ... shape base covers base (median) high covers high (median) average 0 0.29 0 0.29borrowed 0 4.55 12 11.07measured 9 6.49 12 26.47observed busiest minutes, 2024: [6, 5, 6, 6, 5, 5, 6, 5, 6, 6, 5, 5]- Observé
- Profil mesuré
- Profil emprunté
- Moyenne
Description textuelle du graphique
Un graphique en courbes sur les 12 mois de 2024. La minute la plus chargée observée compte 5 ou 6 demandes chaque mois. Le scénario de base du profil mesuré passe d’environ 7,2 en avril à 4,4 en décembre. Il dépasse les valeurs observées dans 9 mois et reste en dessous en octobre, novembre et décembre. Le scénario de base du profil emprunté varie entre environ 3,1 et 5,0, sous la valeur observée chaque mois. La moyenne reste autour de 0,3, près du bas du graphique.
Ce que cela nous apprend.
- La moyenne ne décrit aucune minute réelle. Elle prédit 0,29 demande pendant la minute la plus chargée; chaque mois en comptait 5 ou 6.
- Le scénario de base du profil emprunté est trop bas : une médiane de 4,55 contre 5 ou 6, chaque mois. Il est mesuré correctement, par rapport à une journée moyenne, mais sur une autre charge de travail. L’heure la plus chargée du service de soutien représente 0,123 d’une journée moyenne; celle des résidents de Boston en représente 0,173. Un profil appartient à sa charge de travail.
- Le profil mesuré convient. Son scénario de base dépasse les valeurs observées d’environ une demande et couvre 9 mois sur 12. Les trois écarts concernent les mois calmes de fin d’année, chacun de moins d’une demande.
- Tous les scénarios hauts sauf la moyenne couvrent les 12 mois. Mais le scénario haut mesuré atteint environ quatre fois le pic observé. C’est un scénario de stress : il combine la part du mois le plus chargé et le facteur du mois le plus chargé. Ces deux valeurs proviennent de mois différents.
Volume et croissance sur la même année
Section intitulée « Volume et croissance sur la même année »On fait la même vérification pour le volume. Les mois de conception donnent les demandes par jour (mois le plus calme, moyenne, mois le plus chargé) et un taux de croissance mensuel. Le carnet (notebook) Jupyter fait croître chaque valeur mois par mois en 2024 et la compare aux mois réels :
volume, growth = volume_range(design), growth_range(design)print("requests per day:", volume, " growth per month:", growth)...print("months inside low..high:", inside, " base average", round(plan_2024.base.mean()), "actual", round(check.requests.sum() / check.days.sum()))requests per day: [293.0, 405.0, 566.0] growth per month: {'measured': [-0.0014, 0.0184, 0.0278], 'pack': [0.0, 0.0184, 0.0278]}months inside low..high: 11 base average 457 actual 397Ce que cela nous apprend. La plage a tenu : 11 mois sur 12 se trouvaient à l’intérieur, et décembre était juste en dessous. Mais le scénario de base prévoyait environ 457 demandes par jour en 2024, contre 397 dans la ville : 15 % de trop. La croissance de base (+1,84 % par mois) était celle de 2023, et elle ne s’est pas répétée. Deux années d’historique ne suffisent pas pour prévoir la croissance. Le plan ne la prévoit donc pas; il surveille des signaux, comme dans Plan de croissance.
La recommandation
Section intitulée « La recommandation »La méthode de Jamal :
- Volume : les demandes par jour des 12 derniers mois : le mois le plus calme, la moyenne et le mois le plus chargé.
- Profil : la part et le facteur mesurés, à partir de tous les mois précédant la date du plan.
- Croissance : la valeur de base compare les 12 derniers mois aux 12 précédents. Les valeurs basse et haute viennent des variations les plus lente et rapide d’un mois par rapport au même mois de l’année précédente. Le dossier n’accepte aucune croissance négative : une baisse devient donc 0, et les éléments justificatifs le précisent.
- Le reste de
demand.toml(questions par résident, documents de la ville) repose sur des hypothèses, et chaque valeur indique pourquoi.
La fonction plan(hours, as_of) applique la méthode. Elle vérifie qu’aucune heure ne manque, mesure les plages et écrit demand.toml. Ensuite, elle exécute le dossier sur 12 mois et trouve le premier signal de chaque scénario.
Le plan avec de nouvelles données, de bout en bout
Section intitulée « Le plan avec de nouvelles données, de bout en bout »D’abord, le plan que Jamal pouvait faire au début de 2025. Ensuite, la même méthode avec les sept nouveaux mois :
before = plan(hours, "2025-01")latest = plan(hours, "2025-08")Plan from January 2022 to December 2024: residents' requests per day [281.0, 397.0, 457.0], growth per month [0.0, 0.0, 0.0278] low US$ 39.95 now, US$ 39.95 in month 12; quota 3% in month 12; first signal: none in 12 months; quota line at 24.99x today's questions base US$ 47.80 now, US$ 47.80 in month 12; quota 9% in month 12; first signal: none in 12 months; quota line at 7.86x today's questions high US$ 59.91 now, US$ 61.93 in month 12; quota 94% in month 12; first signal: provider quota in month 2; quota line at 1.04x today's questionsPlan from January 2022 to July 2025: residents' requests per day [274.0, 347.0, 440.0], growth per month [0.0, 0.0, 0.0278] low US$ 39.92 now, US$ 39.92 in month 12; quota 3% in month 12; first signal: none in 12 months; quota line at 27.24x today's questions base US$ 47.45 now, US$ 47.45 in month 12; quota 8% in month 12; first signal: none in 12 months; quota line at 8.98x today's questions high US$ 59.72 now, US$ 61.66 in month 12; quota 90% in month 12; first signal: provider quota in month 3; quota line at 1.08x today's questionsCe que cela nous apprend. Les nouveaux mois ont réduit le volume de 397 à 347 demandes par jour. Le coût de base n’a baissé que de 0,35 $ US, car il est presque entièrement fixe. Le signal de quota du scénario haut est passé du mois 2 au mois 3. La méthode a fonctionné sur des données qu’elle n’avait jamais vues, sans aucun problème. La demande a baissé, et le plan le dit.
La deuxième exécution laisse le demand.toml de la ville dans le dossier. Ses principales lignes :
[settings]days_per_month = 30peak_hour_share = [0.128, 0.169, 0.403]peak_minute_factor = [4, 5.373, 9.496]
[tenants.residents]name = "Residents"customers_per_day = [274, 347, 440]user_growth_per_month = [0, 0, 0.0278]customer_questions_per_day = [1, 1.5, 3]documents = [150, 300, 600]Chaque valeur a ses éléments justificatifs dans le fichier. Le profil, le volume et la croissance commencent par verified: (vérifié) et nomment les mois utilisés pour les mesurer. Les questions par résident, les documents, les mots et les changements commencent par assumed: (supposé). Personne ne les a encore mesurés pour une ville.
Ensuite, les commandes du dossier lui-même, comme en ligne de commande :
$ python -m costmodel demandDemand in month 0 (questions per day; low / base / high) Residents 274 520 1,320 All tenants 274 520 1,320 Busiest hour 35 88 532Evidence: 4 values verified, 6 assumed (check the assumed ones first)
$ python -m costmodel unitsUnit economics, scenario base, month 0 total US$ 47.45 per month (fixed 95%, variable 5%) per question (variable only) US$ 0.000157 per question (everything) US$ 0.003039 per document change US$ 0.000230 (embed + summary + worker) Residents US$ 47.45 per month$ python -m costmodel growth --scenario highGrowth (high): busiest minute against the provider quota, storage, cost month tenants questions/day calls/quota tokens/quota storage US$/month signals 0 1 1,320 59% 65% 0% 59.72 - 1 1 1,357 61% 67% 0% 59.86 - 2 1 1,394 62% 68% 0% 60.00 - 3 1 1,433 64% 70% 1% 60.15 provider quota ... 12 1 1,834 82% 90% 1% 61.66 provider quotaFirst signal: provider quota in month 3Ce que cela nous apprend. Dans le scénario de base, 347 résidents par jour × 1,5 question = 520 questions par jour. C’est environ le tiers des 1 465 de Larkfield. Pendant la minute la plus chargée, 0,29 réponse est en cours (python -m costmodel workload). Le coût est de 47,45 $ US par mois, dont 95 % est fixe. La réplique de l’API (27,43 $ US) et le serveur de base de données (13,50 $ US) coûtent autant sans aucune question. Donc, « un cent par question » est faux dans les deux sens. Une question supplémentaire coûte 0,000157 $ US. Une question moyenne coûte 0,003 $ US, tout compris. C’est plus du double des 0,00118 $ US de Larkfield, car moins de questions partagent les mêmes coûts fixes.
Exécuter dans votre propre dossier (facultatif)
Le carnet écrit cost-plan/design-pack/demand.toml. Téléchargez-le depuis le panneau de fichiers du carnet. Pour exécuter les commandes dans votre propre dossier, conservez le fichier de Larkfield et copiez celui de la ville. Dans votre dossier design-pack, avec l’environnement actif :
cp demand.toml demand-larkfield.tomlcp ~/Downloads/demand.toml demand.tomlpython -m costmodel growth --scenario highCopy-Item demand.toml demand-larkfield.tomlCopy-Item $HOME\Downloads\demand.toml demand.tomlpython -m costmodel growth --scenario highLa sortie est celle présentée ci-dessus. Une fois terminé, recopiez demand-larkfield.toml dans demand.toml. Quatre tests du dossier vérifient les nombres de Larkfield; ils échouent donc avec le fichier de la ville.
À quelle distance se trouve chaque limite?
Section intitulée « À quelle distance se trouve chaque limite? »Un ascenseur et son affiche
Section intitulée « Un ascenseur et son affiche »Un ascenseur porte une affiche : « 8 personnes ». Deux personnes l’utilisent maintenant. « Il n’est pas plein » est vrai, mais ce n’est pas la réponse utile. La réponse utile est « quatre fois le nombre actuel de passagers avant la limite ». Ce nombre indique combien l’immeuble peut croître avant que l’ascenseur devienne un enjeu.
L’idée : la marge de capacité
Section intitulée « L’idée : la marge de capacité »La marge de capacité indique combien de fois la demande actuelle la conception peut supporter avant de franchir un seuil. Ici, les seuils sont les trois signaux de croissance du dossier : 70 % du quota du fournisseur, 80 % du stockage de la base de données et le budget de 150 $ US par mois. La fonction headroom() multiplie les questions par un facteur dans le calculateur du dossier. Elle trouve le plus petit facteur qui franchit chaque seuil. Elle répond à une question qu’une prévision ne peut pas résoudre : quelle erreur sur la demande peut-on tolérer avant qu’elle ait des conséquences?
Prédisez. Dans le scénario de base, combien de fois les questions actuelles la conception peut-elle supporter avant le seuil du quota? Avant le budget?
for scenario in ["base", "high"]: print(scenario, headroom(scenario))base {'quota': 8.98, 'storage': None, 'budget': 42.75}high {'quota': 1.08, 'storage': None, 'budget': 17.93}- Scénario de base
- Scénario haut
Description textuelle du graphique
Un graphique à quatre colonnes. Dans le scénario de base, le seuil du quota (70 % du quota du fournisseur) se trouve à 9.0 fois les questions actuelles, et le budget à 42.8 fois. Dans le scénario haut, le seuil du quota se trouve à 1.1 fois, au niveau de la demande actuelle, et le budget à 17.9 fois. Le stockage n’a pas de colonne : il reste sous son seuil même avec 200 fois les questions actuelles.
Ce que cela nous apprend. Dans le scénario de base, la première limite est le quota du fournisseur, et elle est loin. Elle correspond à environ 9 fois les questions actuelles, soit environ 4 700 questions par jour. Le budget vient plus tard, à environ 43 fois. Le seuil du stockage n’est jamais atteint. Dans le scénario haut, le seuil du quota correspond à la demande actuelle : 1,08 fois. Seul le quota nécessite un plan, comme dans le cas de Larkfield.
La marge de capacité change aussi la question de Rosa. La vraie inconnue n’est pas le nombre de résidents qui déposent une demande. C’est le nombre de résidents qui poseront une question sans déposer de demande. Si neuf fois plus de personnes posent une question que de personnes déposent une demande aujourd’hui, le scénario de base atteint le seuil du quota. Personne ne connaît ce rapport avant le lancement; il devient donc le signal principal du plan.
Le plan pour Rosa
Section intitulée « Le plan pour Rosa »Jamal le rédige sous la forme de Plan de croissance et de Feuille de route de mise en œuvre. Chaque nombre indique sa nature.
- Le coût, sous forme de plage : 39,92 $ US (bas), 47,45 $ US (base) et 59,72 $ US (haut) par mois actuellement. Le scénario haut atteint 61,66 $ US au mois 12. Ces valeurs représentent la demande mesurée et les faits mesurés sur l’IA × les prix affichés × les hypothèses déclarées. Les prix changent : consultez la page actuelle.
- La première limite : le quota du fournisseur. Dans le scénario haut, les jetons de la minute la plus chargée dépassent 70 % du quota au mois 3. Ils atteignent 90 % au mois 12. Dans le scénario de base, le seuil correspond à environ 9 fois les questions actuelles. Le stockage reste à 1 % ou moins des 32 Go. Le coût reste bien sous le budget.
- La conception : celle du cours, sans changement. Rien dans les données ne demande plus de répliques, une autre base de données ou une deuxième région.
- Le plan de croissance :
| Signal | Seuil | Étape | Nature |
|---|---|---|---|
jetons pendant la minute la plus chargée (growth) |
70 % du quota du fournisseur | demander un quota supérieur au fournisseur; mettre les questions des résidents en file d’attente au pic | quota mesuré, seuil choisi |
| questions par jour, tirées du journal de l’assistant | 9 × la base actuelle, environ 4 700 | remplacer la demande 311 par le journal et relancer le plan | marge de capacité, calculée |
| demandes 311 de la ville par jour | au-dessus du scénario haut du plan (440) pendant un mois entier | relancer plan() avec les nouveaux mois |
mesuré |
coût mensuel (growth) |
le budget, 150 $ US (seuil budgétaire du cours, supposé pour la ville) | modifier d’abord le principal facteur de coût : la réplique de l’API | prix × conception |
- Si la ville place l’assistant sur sa page d’accueil, prévoyez le scénario haut : demandez le quota supérieur avant le lancement. Une demande prend du temps, et le scénario haut franchit le seuil au mois 3.
- Ce que le plan ne couvre pas : le trafic d’une autre ville, une campagne de lancement ou une tempête provoquant plus de signalements qu’en août 2023.
Changer une chose : garder les répétitions
Section intitulée « Changer une chose : garder les répétitions »Et si Jamal avait omis la vérification des répétitions? Le carnet reconstruit le profil avec les minutes les plus chargées brutes. Ensuite, il calcule la minute la plus chargée du scénario haut : 440 résidents posant chacun 3 questions.
raw_hours = hours.assign(busiest_minute=hours.busiest_minute_raw)raw_shape = shape_ranges(month_table(raw_hours).loc["2022-01":"2025-07"])clean_shape = shape_ranges(months)for name, s in [("without repeats", clean_shape), ("with repeats", raw_shape)]: print(f"{name:16} factor {s['peak_minute_factor']}, high busiest minute for 440 residents x 3 questions:", round(busiest_minute(440 * 3, s["peak_hour_share"][2], s["peak_minute_factor"][2]), 1))without repeats factor [4.0, 5.373, 9.496], high busiest minute for 440 residents x 3 questions: 84.2with repeats factor [4.337, 5.455, 48.261], high busiest minute for 440 residents x 3 questions: 427.9Ce que cela nous apprend. Les répétitions représentent 0,16 % des lignes. Mais elles font passer le facteur haut de 9,5 à 48,3. La minute la plus chargée du scénario haut passe de 84 à 428 questions : plus de quatre fois le quota du fournisseur. Le plan demanderait un quota dont personne n’a besoin. Nettoyez les données qui déterminent le pic; le volume change à peine.
Erreurs courantes
Section intitulée « Erreurs courantes »Erreur courante
Une baisse de demande comme croissance négative
Symptôme : vous écrivez la croissance mesurée dans demand.toml, user_growth_per_month = [-0.0307, -0.0199, 0.0278], et le dossier s’arrête avec :
Input problem: 'residents.user_growth_per_month' is negativeCause : le dossier vérifie chaque plage et n’accepte aucune valeur négative. La demande a baissé d’environ 2 % par mois au cours de la dernière année.
Correction : une baisse réduit le coût; planifiez donc avec 0 et précisez-le dans les éléments justificatifs, comme le fait plan(). Pour un plan plus petit, réduisez plutôt le volume.
Erreur courante
Un profil de pic emprunté
Symptôme : la minute la plus chargée du scénario de base compte environ 4,5 demandes, mais les mois réels en comptent 5 ou 6.
Cause : le profil vient d’une autre charge de travail, les billets de soutien du service de soutien. Sa part convient au service de soutien, mais les demandes des résidents se concentrent sur moins d’heures. Une part de la journée la plus chargée produit le même symptôme, environ un tiers trop bas. En effet, le dossier multiplie une journée moyenne.
Correction : mesurez la part et le facteur sur vos propres données, par rapport à la quantité multipliée par le dossier. Suivez l’exemple de mars 2023.
Constats et limites
Section intitulée « Constats et limites »Constats.
- La conception n’a pas besoin de changer pour cette ville. À la demande de base, le seuil du quota correspond à 9 fois la demande, et le stockage n’atteint jamais son seuil. Le coût est fixe à 95 %; plus de résidents rendent donc chaque réponse moins chère.
- Le pic, et non le volume, détermine la première limite. Une étape de nettoyage qui modifie 0,16 % du volume change le pic haut d’un facteur cinq.
- La croissance tirée de l’historique a échoué au test. L’année de vérification était 15 % sous le scénario de base. Des signaux avec des seuils remplacent la prévision.
Limites.
- Une demande 311 sert de substitut à une question. La plus grande hypothèse du plan est que chaque résident déposant une demande est un résident posant une question. La marge de capacité indique l’erreur tolérable (9 fois) avant qu’elle ait des conséquences.
- Les questions par résident et les documents de la ville sont supposés. Ce sont les valeurs du cours ou les estimations de Jamal, comme l’indiquent les éléments justificatifs dans
demand.toml. - Une ville, 43 mois. Les données de Boston ne sont pas celles de la ville de Rosa. Utilisez la méthode pour sa ville, pas ces nombres.
- La minute la plus chargée contient un petit nombre. Avec 5 ou 6 demandes, une demande supplémentaire change beaucoup le facteur. Au volume supérieur de l’assistant, les minutes seront probablement plus régulières; le facteur est donc sans doute trop élevé. Le plan reste prudent.
- Le signal de croissance du dossier est mensuel. Il ne voit pas une seule journée de tempête. L’alarme de quota de l’assistant en service doit la détecter.
Utilisation responsable
Section intitulée « Utilisation responsable »- Les données concernent de vrais résidents. L’échantillon contient seulement des comptes par heure : aucun nom, adresse, type ou description. La méthode n’a besoin de rien d’autre. Ne le joignez pas au jeu de données complet pour étudier des personnes individuellement. Une série de 26 signalements en une minute est un profil de charge, pas une personne à examiner.
- Dites quels nombres sont supposés. Un budget municipal fondé sur « une demande = un résident qui pose une question » doit porter cette phrase près du nombre.
- Ne laissez pas un plan réduire un service public. Si le quota est atteint, les questions des résidents attendent dans une file; elles ne doivent jamais disparaître sans avertissement. Un résident peut toujours joindre le 311 par téléphone ou formulaire.
- Réutilisez la méthode, pas les nombres. Une autre ville a une autre journée, une autre saison et une autre application.
En faire un projet de portfolio
Section intitulée « En faire un projet de portfolio »Cette étude de cas montre à un employeur que vous pouvez transformer « combien cela coûtera-t-il? » en une plage défendable. Elle utilise des données réelles, et chaque hypothèse porte une étiquette. Elle montre aussi que vous testez une méthode une seule fois, sur des données qu’elle n’a jamais vues. Personnalisez-la avec un changement : les données ouvertes 311 d’une autre ville (vérifiez d’abord leur licence), ou votre hypothèse de questions par résident.
Quoi mettre dans le dépôt :
README.md(modèle ci-dessous).- Le carnet, exécuté du début à la fin, avec ses sorties et ses graphiques.
- Le
demand.tomlécrit par le plan, avec ses lignes justificatives. PLAN.md: la plage de coûts, la première limite, la marge de capacité et le plan de croissance. Chaque nombre indique sa nature.- La source des données et la licence. PDDL n’exige aucune attribution, mais mentionnez quand même la ville et donnez la somme de contrôle de votre copie.
Un modèle de README :
# Cost and capacity plan for a city's 311 question assistant
## QuestionWhat does a public question-answering assistant cost per month, which limitcomes first, and when must the design change?
## Data and licenceBoston 311 Service Requests (Analyze Boston), residents' requests per hour,Jan 2022 - Jul 2025. ODC PDDL 1.0. Repeats and staff requests removed.
## ApproachPeak shape measured against an average day (busiest hour's share, busiestminute factor). Three shapes (average, borrowed, measured) checked once on2024. Ranges written to demand.toml; the course's design pack, unchanged.
## ResultsMeasured shape: 9 of 12 months covered (average 0, borrowed 0).Cost: US$39.92 / 47.45 / 59.72 a month (95% fixed in the base case).First limit: provider quota, high case month 3; base headroom 9x.
## LimitsOne request = one resident who asks (assumed). Questions per resident anddocuments assumed. One city.Comment le décrire en entrevue, en deux phrases : « J’ai dimensionné un assistant d’IA public à partir des vraies demandes 311 d’une ville : un profil de pic mesuré par rapport à une journée moyenne convenait à une année gardée à part. La conception coûte environ 47 $ US par mois, presque entièrement fixes, et sa première limite correspond à environ neuf fois la demande actuelle. »
Aller plus loin :
- Exécutez
plan()sur les comptes 311 d’une autre ville et comparez les profils. - Ajoutez le jour de la semaine au profil : la minute la plus chargée tombe-t-elle toujours un lundi?
- Remplacez les valeurs combinées du scénario haut par le seul pire mois et comparez le premier signal.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
Le profil emprunté (part de 0,123, facteur de 5,35) se mesure par rapport à une journée moyenne, comme l'exige le dossier. Pourquoi son scénario de base n'a-t-il couvert aucun des 12 mois de vérification?
Afficher la réponse
Parce qu’il décrit une autre charge de travail. Les deux profils se mesurent par rapport à une journée moyenne. Leurs facteurs à la minute sont proches (5,35 et 5,42). Mais l’heure la plus chargée du service de soutien contient 0,123 d’une journée moyenne. Celle des résidents de Boston en contient 0,173 : leurs demandes se concentrent sur moins d’heures. Le scénario de base emprunté prédisait donc environ 4,5 demandes pendant la minute la plus chargée. Chaque mois de 2024 en comptait plutôt 5 ou 6. Le profil mesuré en prédisait environ 6,5 et couvrait 9 mois sur 12. Il faut mesurer un rapport par rapport à la bonne quantité, et pour la bonne charge de travail.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Les nouveaux mois ont réduit la demande de 397 à 347 demandes par jour, soit environ 13 % de moins. Pourquoi le coût de base n'a-t-il baissé que de 0,35 $ US?
Afficher la réponse
Le coût de base est fixe à 95 %. La réplique de l’API toujours active (27,43 $ US) et le serveur de base de données (13,50 $ US) coûtent autant, peu importe le volume. C’est aussi le cas des 32 Go de stockage. Seule la partie variable suit le nombre de questions : environ 0,000157 $ US par question, surtout pour les jetons du modèle. Ainsi, 13 % de questions en moins font varier le total de quelques dixièmes de dollar. Pour la même raison, le coût par question baisse quand le volume augmente.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Rosa demande : « Quel est le plus grand risque de ce plan? » Répondez en utilisant la marge disponible.
Afficher la réponse
Le plus grand risque est l’hypothèse qu’une demande au 311 représente un résident qui pose une question. Les résidents peuvent interroger l’assistant sans jamais déposer de demande. La marge disponible indique à quel point cette hypothèse peut être fausse avant d’avoir des conséquences. Le scénario de base atteint le seuil du quota du fournisseur à environ 9 fois le nombre actuel de questions. Cela représente environ 4 700 questions par jour. Le budget laisse une marge d’environ 43 fois le volume actuel, et le stockage n’atteint jamais son seuil. Le plan surveille donc les questions quotidiennes posées à l’assistant dès le lancement, avec un seuil d’environ 4 700. Si la ville place l’assistant sur sa page d’accueil, elle demande un quota plus élevé avant le lancement. Le scénario haut franchit le seuil au mois 3.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Récapitulatif
- Vous avez vérifié des données de demande réelles. Vous avez gardé seulement les résidents et les heures sans demandes, et évité un changement de système. Les répétitions représentaient 0,16 % du volume, mais la moitié de la minute la plus chargée.
- Vous avez mesuré le pic par rapport à une journée moyenne, car c’est ce que le dossier multiplie. Sur l’année de vérification, utilisée une seule fois, le profil mesuré couvrait 9 mois sur 12. La moyenne et le profil emprunté n’en couvraient aucun.
- La croissance calculée sur deux ans était trop élevée de 15 % pour l’année de vérification. Le plan surveille donc des signaux plutôt que de suivre une prévision.
- Sans changer la conception du cours : de 39,92 à 59,72 $ US par mois, dont 95 % de coûts fixes dans le scénario de base. La première limite est le quota du fournisseur : au mois 3 dans le scénario haut. Le scénario de base laisse une marge d’environ 9 fois le volume actuel.
- La marge disponible a transformé l’inconnue « combien de résidents poseront des questions? » en un signal avec un seuil.
Ensuite, l’autre étude de cas : une revue de conception d’un service ouvert de questions sur des documents.
Leçon suivante : Revue de conception d'un service ouvert de questions sur des documents