Grupo Arania remporte le Dataton 2026 avec Aratubo comme exemple d’application
Le projet porté par Grupo Arania lors du Dataton 2026, organisé par le BAIC (Basque Artificial Intelligence Center), a été distingué comme la meilleure solution de cette édition grâce à un outil fondé sur l’intelligence artificielle, apportant une réponse à un enjeu réel de durabilité environnementale : Calcul Intelligent de l’Empreinte Carbone Organisationnelle – comment réduire l’empreinte carbone d’une organisation de manière efficace, mesurable et adaptée à l’industrie.
Cette initiative a été menée par Ana Guinea, directrice du développement durable de Grupo Arania, aux côtés d’Iker Seoane, responsable du développement durable d’Aratubo, qui a présenté et défendu le projet devant le jury. Ce projet a également bénéficié de la collaboration d’Inetum en tant que partenaire technologique.
Aratubo a été retenue comme exemple d’application pour sa capacité à représenter un environnement industriel réel, avec des processus et des cas de figure reproductibles, permettant ainsi de valider une solution présentant un potentiel de déploiement à l’échelle de l’ensemble des entreprises du Groupe. L’objectif consistait à développer une solution reposant sur l’intelligence artificielle, capable de simuler différents scénarios et de favoriser l’optimisation de l’empreinte carbone au sein de notre secteur d’activité.

Mesurer ne suffit pas : ce qui compte, c’est la réduction
Pendant 72 heures, cinq entreprises et cinq partenaires technologiques se sont mesurés dans un environnement de haut niveau technique. Dans ce contexte, notre proposition s’est démarquée par sa capacité à transformer la complexité de la réduction des émissions en un outil pratique, accessible et conçu pour faciliter la prise de décision.
La solution développée permet de simuler différents scénarios et de visualiser en temps réel l’impact de différentes décisions opérationnelles sur l’empreinte carbone de l’organisation. Le système s’appuie sur l’intelligence artificielle pour générer des modèles prédictifs et des rapports destinés aux audits, aux vérifications et au suivi des performances environnementales, facilitant ainsi l’anticipation et l’optimisation des décisions en faveur de la décarbonation. L’objectif n’est pas de mesurer davantage, mais d’agir de manière éclairée et de proposer un outil permettant aux entreprises du secteur de progresser efficacement dans leurs démarches de décarbonation.
Cette distinction reflète notre engagement en faveur d’une innovation tournée vers des enjeux réels. Il ne s’agit pas seulement d’adopter de nouvelles technologies, mais d’intégrer l’intelligence artificielle comme un véritable levier d’impact, capable d’accélérer la transition vers des modèles plus durables, d’améliorer l’efficacité de nos processus et de créer une valeur pérenne pour le secteur industriel. Ce projet en est précisément l’illustration : transformer notre savoir-faire en solutions générant un impact réel.
L’avenir appartiendra aux entreprises capables de transformer les connaissances en impact posi
Iker Seoane, responsable du développement durable d’Aratubo
La durabilité est notre manière de faire
Pour Aratubo et Grupo Arania, le développement durable n’est pas une initiative ponctuelle. Il constitue une manière d’agir qui place les personnes et leur environnement au cœur de chaque décision, assume les engagements environnementaux et préserve l’essence même de notre entreprise : s’inscrire dans la durée. Une vision qui se traduit par des projets tels que le Dataton, par notre engagement en faveur de la réduction continue des émissions et par notre attachement à des modèles industriels plus responsables.
Nous tenons à remercier tout particulièrement Iker Seoane, Ana Guinea et Grupo Arania pour leur implication et leur engagement dans ce projet. Nous souhaitons également saluer le travail accompli par le BAIC dans l’organisation du Dataton 2026, la collaboration d’Inetum en tant que partenaire technologique ainsi que l’excellent niveau technique des autres entreprises participantes.


