Résumé du Projet

Ce projet a consisté en la création d’une application web interne complète, développée de A à Z avec Streamlit. L’objectif était de fournir aux équipes métier (spécifiquement les analystes de risque e-commerce) un outil d’aide à la décision pour traiter les alertes générées par un modèle de Machine Learning. L’application centralise toutes les informations nécessaires, rend les prédictions du modèle transparentes grâce à l’explicabilité (SHAP), et facilite la collaboration via un système de notes d’analyse.

Mes Contributions

En tant que développeur unique sur ce projet, j’ai pris en charge l’intégralité du cycle de vie du produit :

• Gestion de Projet de A à Z : Prise en charge complète du projet, de la définition du besoin initial et du maquettage, au développement, et jusqu’au déploiement d’une solution fonctionnelle.
• Développement Backend et Données : Mise en place de la logique applicative, gestion de la base de données (SQLite), et création d’un pipeline ETL robuste en Python pour nettoyer, transformer et charger les données sources (CSV).
• Développement Frontend et UI/UX : Conception et implémentation de l’intégralité de l’interface utilisateur avec Streamlit. Un effort particulier a été porté sur l’expérience utilisateur (UX) pour garantir une navigation intuitive et une prise en main rapide par les analystes.
• Data Visualisation & Explicabilité (XAI) : Intégration de visualisations de données interactives (Plotly) pour les KPIs et les statistiques. Développement d’un dashboard d’interprétabilité des modèles (SHAP) pour rendre les prédictions de l’IA transparentes et actionnables par les utilisateurs non-techniques. (Légende : La page de détail offre une vue complète d’un retour client, combinant des données brutes, un score de risque, et une analyse SHAP qui décompose la prédiction du modèle en facteurs de risque compréhensibles.)

Démarche Technique

Le développement de l’application a suivi une approche structurée et modulaire :

1. Architecture de l’Application : Mise en place d’une structure de projet multi-pages moderne avec st.navigation. Le code a été refactorisé en déplaçant les fonctions auxiliaires (accès base de données, traitement de données, génération de visuels, configuration) dans un répertoire utils/ pour une maintenabilité et une clarté maximales.
2. Module Dashboard : Création d’une vue d’ensemble interactive avec des KPIs, des filtres avancés et un st.data_editor permettant des modifications rapides, le tout synchronisé via le session_state de Streamlit.
3. Module d’Analyse Détaillée : Développement d’une vue à 360° pour chaque cas, intégrant des composants visuels sur mesure (jauge de score, cartes d’information) et un affichage dynamique des facteurs de risque SHAP pour expliquer chaque prédiction individuelle.
4. Module Collaboratif : Implémentation d’un système de gestion de notes d’analyse (CRUD - Create, Read, Update, Delete) avec des fonctionnalités de recherche et de visualisation (nuage de mots, graphiques de fréquence) pour le suivi des dossiers.

Impact et Valeur du Projet

Cet outil a été conçu pour apporter une valeur métier directe en créant un pont entre les data scientists et les équipes opérationnelles :

• Accélération de la Décision : En centralisant toutes les informations et en fournissant des insights visuels, l’application réduit drastiquement le temps nécessaire à un analyste pour évaluer une alerte de retour à risque.
• Transparence et Confiance : En rendant le modèle “boîte noire” transparent grâce à SHAP, l’outil a renforcé la confiance des utilisateurs métier dans les prédictions de l’IA, favorisant ainsi son adoption.
• Amélioration Continue du Modèle : Le système de commentaires a créé un canal de feedback structuré (“human-in-the-loop”). Les données collectées sur les évaluations des analystes sont précieuses pour les futures itérations et le réentraînement du modèle de scoring.

Ce projet illustre ma capacité à gérer un produit de data science de manière autonome, de la préparation des données à la création d’une interface web interactive et à forte valeur ajoutée.