Prédiction de Churn & Revenu à Risque
Pipeline IA complet pour anticiper le désengagement client et estimer le revenu à risque : modèle prédictif, API FastAPI et dashboard Streamlit.
- Client
- Projet Académique (EFREI)
- Année
- 2026
- Expertise
- Data & IA
- Prestations
- Data Science, Machine Learning, Data Engineering, Dashboard
- Outils
- Python
- XGBoost
- FastAPI
- Docker
- Streamlit
Contexte
Dans le secteur des services, acquérir un nouveau client coûte 5 à 25 fois plus cher que d’en fidéliser un existant. Ce projet (réalisé dans le cadre du Mastère Data Engineering & IA à l’EFREI) vise à transformer des données d’activité clients brutes en un système d’aide à la décision proactif permettant d’anticiper le désengagement et d’évaluer dynamiquement le “Revenu à Risque”.
Notre approche
Le projet déploie un pipeline IA complet (hybride Agile/CRISP-DM) :
- Modélisation & ML : Entraînement et comparaison de plusieurs algorithmes (Régression Logistique, Random Forest, XGBoost, Deep Learning). Le choix final s’est porté sur la Régression Logistique maximisant le Recall (63.7%) pour cibler efficacement les clients sur le départ.
- Data Engineering & Déploiement : Création d’une API FastAPI conteneurisée avec Docker, et gestion du déséquilibre des classes via SMOTE.
- Interface : Développement d’un dashboard interactif sous Streamlit pour la simulation client et l’analyse globale.
Livrables
Un micro-service d’inférence (API) et un tableau de bord analytique complet, déployés via Docker-Compose, permettant aux équipes métiers d’optimiser le ROI de leurs campagnes de rétention.