#Demo en live https://8tfcz7hwg4garzyd2xeyxb.streamlit.app/ Agent IA avec Splunk pour la maintenance prédictive et les devis photovoltaïques des installations solaires au Bénin - Hackathon Splunk

Agent-SolarQuote est un agent intelligent développé pour le contexte béninois. L'objectif : Réduire de 5 jours à 2 minutes le temps de création d'un devis photovoltaïque et anticiper les pannes sur les installations solaires au Bénin.

Au Bénin, 60% de la population n'a pas encore un accès fiable à l'électricité. Les installateurs solaires passent en moyenne 5 jours à se déplacer, mesurer les toits et calculer un devis à la main. Pendant ce temps, les clients perdent de l'argent et les petites entreprises solaires ne peuvent pas scaler.

Agent-SolarQuote utilise l'IA de vision par ordinateur + Gemini pour :

1. Devis Express : Analyser une photo satellite d'un toit et générer un devis solaire complet en 2 min.
2. Maintenance Prédictive : Détecter les signes de panne, ombrage, poussière ou dégradation des panneaux à partir de données Splunk/IoT.
3. Optimisation : Proposer le meilleur dimensionnement et emplacement des panneaux selon l'ensoleillement au Bénin.

Le projet est 100% fonctionnel et déployé pour le marché béninois.

1. Délai : Un devis solaire prend 5 jours en moyenne entre déplacement, mesure, calcul.
2. Coût : Les frais de déplacement renchérissent l'installation pour les ménages.
3. Pannes : 30% des installations perdent en rendement après 2 ans faute de maintenance préventive.
4. Manque de données : Peu d'installateurs ont des outils pour analyser l'état des panneaux à distance.

Agent-SolarQuote est une web-app Streamlit qui agit comme un "commercial IA".

Fonctionnalités clés :

1. Analyse de Toit par IA : Upload d'une photo satellite/adressage. L'IA Gemini + Vision calcule la surface, l'orientation, l'ombrage.
2. Génération de Devis : Devis PDF en 2 min avec coût matériel, main d'oeuvre, ROI sur 5 ans, adapté aux prix du marché au Bénin.
3. Monitoring Splunk : Connexion aux données IoT de l'installation. L'agent Splunk détecte les anomalies de production kWh et alerte avant la panne.
4. Maintenance Prédictive : Modèle Scikit-learn qui prédit la probabilité de panne dans les 30 prochains jours selon température, poussière Harmattan, production.

• Langage : Python
• Frontend : Streamlit
• IA Générative : Google Gemini API
• Vision par Ordinateur : OpenCV, Gemini Vision
• Machine Learning : Scikit-learn, Pandas, NumPy
• Observabilité : Splunk SDK for Python
• Visualisation : Matplotlib
• Déploiement : Streamlit Cloud
• Base de données : SQLite

1. Économique : Divise par 1000 le temps de devis. Une PME solaire peut traiter 50 clients/jour au lieu de 1.
2. Social : Accélère l'accès à l'énergie solaire pour les ménages et PME hors réseau à Cotonou, Parakou, Natitingou.
3. Environnemental : Optimise le dimensionnement = moins de gaspillage de panneaux. La maintenance prédictive augmente la durée de