Application web full-stack qui utilise un modèle de machine learning pour associer automatiquement les événements Google Calendar aux tâches Wrike et générer des feuilles de temps hebdomadaires.
Projet confidentiel. Ce projet a été développé pour une entreprise partenaire dans le cadre du cours de projet final de génie logiciel. Le code source et l'application ne sont pas publiquement accessibles. Cette page présente l'architecture et les fonctionnalités développées.
Les employés devaient manuellement faire correspondre leurs événements Google Calendar à des tâches Wrike pour remplir leurs feuilles de temps hebdomadaires — un processus long, répétitif et source d'erreurs.
Obelisk importe les événements du calendrier et les tâches Wrike, puis utilise un modèle ML entraîné sur l'historique de l'entreprise pour prédire automatiquement la bonne tâche — avec correction humaine en boucle fermée.
Architecture client–serveur déployée sur Azure, intégrée à Google Calendar et Wrike via OAuth 2.0 et APIs REST.
Modèle entraîné sur les chemins complets des tâches Wrike (ex. CLIENT/EWR24/Support/PROD) pour prédire l'association optimale avec un événement calendrier.
Synchronisation complète au login + système de webhooks pour les mises à jour incrémentales en temps réel. Stratégie de fallback automatique.
Les corrections manuelles de l'utilisateur sont enregistrées comme données d'entraînement, permettant d'améliorer continuellement le modèle ML.
Interface réservée aux admins : métriques de classification, performance du modèle, statistiques d'utilisation, gestion des utilisateurs et paramètres ML.
Validation de la feuille de temps et export automatique des timelogs dans Wrike via l'API, avec gestion de l'approbation des soumissions.
Intégration d'un module LLM externe comme couche de classification additionnelle pour les cas ambigus non résolus par le modèle ML.