Mars — Juillet 2026
Scoring Crédit IA
Plateforme de scoring de crédit alternatif qui évalue la solvabilité des personnes sans historique bancaire à partir de leurs transactions Mobile Money.
Rôle : Développeur full-stack & machine learning
Galerie du projet
Aperçus visuels du projet — cliquez sur une image pour l'agrandir.
Description complète
À Djibouti, une grande partie de la population n'a pas d'historique bancaire mais utilise quotidiennement le Mobile Money. Ce projet exploite ces données de transactions (D-Money, Waafi, CAC Mobile) pour estimer la solvabilité d'un emprunteur et ouvrir l'accès au crédit à ceux que les méthodes classiques excluent.
Le cœur du système repose sur des modèles de régression logistique et XGBoost, suivis et versionnés avec MLflow. Chaque score est expliqué grâce à SHAP afin que l'agent de crédit comprenne les facteurs de la décision ; un modèle Isolation Forest détecte les comportements frauduleux et un audit de biais vérifie l'équité des prédictions.
L'écosystème comprend une API FastAPI, un portail agent et une console d'administration en React, ainsi qu'une application mobile React Native destinée à l'emprunteur. L'ensemble est conteneurisé avec Docker, servi derrière Nginx et livré via une chaîne CI/CD GitHub Actions.
Points clés
- Modèles régression logistique et XGBoost suivis avec MLflow
- Modèle défaillant détecté par le monitoring, corrigé et réentraîné
- Scores explicables avec SHAP et audit de biais
- Détection de fraude par Isolation Forest
- Déploiement Docker/Nginx et CI/CD GitHub Actions