+ Prendre des décisions stratégiques sur les clients & fidéliser en priorité. + Adapter les ofires et services proposés. + Dép 1.3 Problématique abordée : Dans ce contexte, la problématique centrale a laquelle ce projet tente de répondre est la suivante : Comment prédire efficacement le churn des clients et ajuster les stratégies marketing afin de maximiser leur fidélisation ? Cette problématique souléve plusieurs sous-questions : + Quelles données collecter et analyser pour détecter les signes avantcoureurs du churn % + Quels modéles de machine Learning sont les plus adaptés pour effectuer des prédictions fiables sur des données clients ? + Comment rendre les résultats de ces prédictions compréhensibles et exploitables par des équipes marketing et commerciales sans expertise technique avancée ? + Quelles recommandations personnalisées proposer pour agir efficacement selon le profil et le risque de churn de chaque client ?+ Comment faire pour réduire les couts marketing Le projet vise ainsi a apporter une réponse structurée et opérationnelle a cette problématique, en intégrant des solutions d’analyse prédictive et des recommandations opérationnelles au sein d’une application web. 1.4 Solution envisagée Pour répondre a cette problématique, la solution proposée repose sur plusicurs composantes complémentaires articulées autour d’un pipeline complet de machine Learning et de visualisation interactive : 1.4.1 Collecte et préparation des données Le projet débute par la constitution d’une base de données clients simulés partir de jeux de données publics. Ces données incluent des informations personnelles, des historiques d’achats, des interactions digitales ainsi que des données transactionnelles et comportementales. Un important travail de feature engineering est réalisé afin d’enrichir les données brutes : calcul de la fréquence achat, valeurs moyennes des commandes, indicateurs temporels (comme le nombre de jours depuis la derni¢re commande) et encodage des variables catégorielles. Les données sont ensuite nettoyées et normalisées pour garantir leur compatibilité avec les algorithmes de machine Learning. 1.4.2 Construction et entrainement d’un modéle prédictif Plusieurs modéles supervisés sont testés et comparés dans le cadre d’un Stacking Classifier, combinant plusieurs classifieurs complémentaires : + XGBoost : reconnu pour sa performance et sa capacité a gérer des données complexes et hétérogenes. + LightGBM : apprécié pour sa rapidité d’exécution et son efficacité sur de gros volumes de données. + SVM (Support Vector Machine) : intégré avec une calibration de ses scores pour fournir des probabilités de churn précises. Les prédictions issues de ces trois modéles sont ensuite agrégées via un métamodéle de régression logistique. évaluation du modéle se fait selon plusieurs métriques (précision, rappel, score F1) et en utilisant une validation croisée temporelle (TimeSeriesSplit) pour respecter la dimension temporelle des comportements clients.1.4.3 Développement d’une application interactive avec Streamlit Pour rendre le systéme accessible aux équipes marketing et opérationnelles, une application web interactive est développée avec Streamlit. Cette application permet de : Importer des fichiers de données clients au format CSV. + Visualiser les résultats sous forme de tableaux et de graphiques dynamiques. + Afficher des analyses explicatives des prédictions grace 4 l’intégration de SHAP qui identifie les variables les plus influentes sur la probabilité de chum de chaque client. + Faire des simulations avant le lancement de nouveaux produits pour optimiser le marketing en diminuant les couts marketings 1.4.4 Recommandations marketing personnalisées En fonction du score de churn prédit pour chaque client, |’application propose des recommandations marketing adaptées : + Pour les clients & faible risque : maintien des campagnes de fidélisation courantes. + Pour les clients & risque modéré : envoi d’offres promotionnelles ciblées ou de codes de réduetion. + Pour les clients & fort risque : prise de contact personnalisée, appels, téléphoniques et propositions d’avantages exclusif.L’objectif est d’optimiser l’allocation des ressources marketing en priorisant les actions sur les clients a forte probabilité de churn, tout en renforcant la relation avec les ients fidéles. Le projet s’est structuré autour de plusieurs cycles itératifs comprenant : L’analyse des besoins techniques et fonctionnels : Le découpage en lots de taches : chaque phase de travail est divisée en taches unitaires avec des objectifs clairs (ex.: traitement des valeurs manquantes, entrainement d’un modéle Random Forest, intégration de SHAP). Des revues techniques intermédiaires : a la fin de chaque phase, les livrables sont testés et validés afin de détecter d’éventuels dysfonctionnements ou pistes d’amélioration (ajustement dhyperparamétres, ajout de nouvelles visualisations. ..) L’intégration testée avant de passer 8 I’étape suivante, La documentation continue : rédaction des observations techniques, résultats de tests, et justifications des choix méthodologiques.Afin d’assurer le bon déroulement du projet et de respecter les délais impartis, un planning prévisionnel structuré en six phases a été établi, chacune correspondant a un livrable concret et mesurable. [Link] Tableau de planification Phases Objectifs Livrables associés Durée estimée I “ Phase 1 : Etude 1 semaine Rapport de veille documentaire technologique et Réaliser une veille sur les bibliographique problématiques de churn et les techniques de machine leaming I Phase 2 : Collecte et I semaine | Rassembler un jeu de Jeu de données préparation des données données adapté et effeetuer | final prét & usage le nettoyage, normalisation et transformation. I Phase 3: Conception et | 2 semaines Implémenter__plusieurs | Modeles entrainés entrainement des modéles modéles, comparer leurs et 6valuation des performances et sélectionner | performances Ie plus performant. I semaine |Mettre en place les modules Modules SHAP et alibidetect. opérationnels Phase 4 : Intégration des intégres modules ExplicatifS et de détection de dérive I 1 semaine Phase 5: Développement de application Streamlit Créer une interface web conviviale pour les utilisateurs. Application Streamlit fonctionnelle[ hase 6: Tests finaux et [I semaine _Effectuer les tests globaux de Rapport de projet e ion du rapport a solution et rédiger la ‘support de ;cumentation finale, sentation [Link] Diagramme de Gantt Phases Semaine Semaine Semaine Semaine Semaine 1 2 3 4 5 Se mai ne 6 Phase 1 : Etude documentairePhase 2 : Collecte et préparation des données Phase 3 : Conception et i i entrainement des modéles Phase 4: Intégration des modules explicatifs et de détection de d ive Phase 5 : Développement de Vapplication Streamlit Phase 6 : Tests finaux et rédaction du rapport i Légende : HER = période de réalisation de la phase. [Link] Suivi du planning Un point hebdomadaire permet de contrdler 'avancement des taches, identifier les éventuels retards ou obstacles et de réajuster les priorités si nécessaire. Cette planification prévisionnelle a permis de structurer organisation du travail et d’anticiper les étapes critiques du projet.1.6 Conclusion Ce premier chapitre a permis de poser les bases théoriques et organisationnelles du projet. A partir d’une problématique clairement définie— la prédiction du churn client et l’optimisation des actions marketing —, les objectifs généraux et spécifiques ont été explicités. Chapitre 2 : Analyseméthodes sont appréciées pour leur simplicité, rapidité d’exécution et leur interprétabilité. La régression logistique + Modéle de classification binaire qui estime la probabilité qu’un événement se produise (ici le churn) + Elle permet de quantifier l’effet de chaque variable explicative sur la variable cible (ex : impact de l’ancienneté client sur la probabilité de départ). + Formule : P(y=1X) =11+e-(80+DBiXi)P(y=I|X) = \frac {1} {1+e* (-(\beta_O + \sum \beta_i X_i)}} P@-1X) -I+e-(B0 +Yi Xi)1 —Avantages + Facile a interpréter + Robuste sur des petits jeux de données Limites : + Hypothese de linéarité entre les variables explicatives et le logit * Moins efficace sur des relations complexes ou non linéaires [Link].2 Analyse discriminante linéaire et quadratique + Classifie les observations en fonction des distributions statistiques des groupes. + Hypotheses plus strictes que la régression logistique (ex : normalité et égalité des matrices de variance-covariance). [Link].3 Arbres de décision simples. + Méthode arborescente divisant I’échantillon en sous-groupes homogénes. + Facile a visualiser et 4 comprendre, mais sujette a l’overfitting. [Link] Approches Modernes+ Random Forest : agrégation de plusieurs arbres de décision construits sur des échantillons aléatoires. Avantages : + Précision élevée + Résistance 4 overfitting (notamment pour Random Forest) + Gestion efficace des données déséquilibrées avec pondération [Link].2 Support Vector Machines (SVM) + Algorithme qui sépare les classes 4 aide d’un hyperplan maximisant la marge. + Efficace pour des données de faible dimension ou de dimension moyenne. [Link].3 Réseaux de neurones et Deep Learning Perceptron multicouche (MLP) pour des problémes de classification non linéaire. Capacité & gérer de grands volumes de données Faible interprétabilité Temps de calcul important[Link] Techniques d’Assemblage Les techniques d’assemblage combinent plusieurs modéles pour obtenir une prédiction plus fiable et plus précise qu’un modéle unique. Elles permettent de réduire la variance et le biais. [Link].1 Bagging (Bootstrap Agrégations) + Principe : création de plusieurs jeux de données d’apprentissage par tirage aléatoire avec remise. + Construction d’un modéle sur chaque sous-échantillon. + Agrégation des résultats (vote majoritaire ou moyenne des probabilités). Exemple : Random Forest Avantage : réduit la variance et limite le sur-apprentissage. [Link].2 Boosting + Principe : les modéles sont entrainés séquentiellement ; chaque nouveau modéle cortige les erreurs du précédent. + Pondération des observations mal classées pour leur accorder plus d’importance. Exemples : AdaBoost, XGBoost, LightGBM, CatBoost Avantage : amélioration progressive de la performance et capacité a gérer des données déséquilibrées. [Link].3 Stacking (Stacked Generalization) + Combine différents modéles de base (ex : SVM, Random Forest, Logistic Regression). + Les prédictions des modéles de base servent d’entrée A un modéle méta apprenant (souvent une régression logistique). Avantage : profite des forces de différents modéles D. Evaluation des ModélesL’évaluation de la performance des modéles de prédiction de chum est essentielle, notamment dans des contextes oii la classe minoritaire (les churners) est beaucoup moins représentée. Indi Définition Avantages Inconvénients cate ur I _T Acc | Taux de prédictions Simple a calculer et & lurac y_orrectes (proportion des cas | Comprendre, Pou fiable en cas de orrectement classés). classes déséquilibrées (ex: beaucoup plus de nonchumers que de churners). I T Prée [Proportion de chumers —_JR&duit les faux positifs, Ignore les faux négatifs ; sion korrectement identifiés parmijutile pour éviter des peut étre insuffisant si le es clients prédits chumers. factions coditeuses sur de rappel est faible. lraux churners. i T Rec all |Proportion de churners _|Réduit le risque de rater _Peut augmenter le nombre (Sen correctement détectés|des chumers: de faux positifs si utilisé sibili t&| —_ parmi_ les churners réels.((faux négatifs). seul. I T Fiscor |Moyenne harmonique de la |Bon équilibre entre Moins intuitif a interpréter e [précision et du rappel lprécision et rappel dans seul, surtout pour des \des jeux de données profils non techniques. \déséquilibrés. AUC Surface sous la courbe _[Synthétique et robuste face|Peut-étre abstrait sans la L ROC, mesure la capacité du au déséquilibre des classes,bourbe associée ; parfois, ROC |modéle bien distinguer futile pour —_comparerfifficile a interpréter pour lchumers et nonchurners. plusieurs modéles. Jes décideurs.2.2.2 Etude Comparative des Solutions Existantes i T T ~ Soluti_ Fonetionnal | Méthodes de Recomm | Colit/ | Avantage | Inconvéni on ites prédiction andation 9€¢°8_ = g ents Principales utilisées s sibilit € marketin g T Oui ton Intégré au Salesf CRMavecIA | Machine fev) CRM Coiteux, ore _ intégrée, Leaming dépendant Einste scoring de | automatisé Facilea | de in churn (MLaas) déployer | Salesforce I T T Payan t Interface Non natif vieillissant ¢ IBM __ Analyse Random Interpréta SPSS Prédictive, | Forest, ble, Model détection de | SVM, historique er churn Régression solide r T T CRM + Machine Oui \Abord. Tableau de bord Learning (campagn able a. Zoho gnalytique _intégré es ciblées) Facile a /Moins CRM configurer _|performant Analyt .intégré [sur gros ies CRM lvolumes I HubS potCRM + IRégles métiers Oui Facile 'Moins Serviee scoringde [+ \d’accés pour |Puissant sur I Hub clients IIA basique Freem [PME (data ium / Payanbredic Machine tiveio Marketing | earning (ancie ny Prédictif et coring de hun (Oui lacet)|t Dispar u Historique |N'existe plus (a rempl intéressan 2.2.3 Partie 2 : Comparatif des approches algorithmiques Critére XGBoost Deep Learning Random Logistic Forest Regression T 85% 88-90% 75-80% 90%+ Précision moyenne I I Interprétabilit 6 Moyenne loyenne Excelente _Faible T Rapide Moyen Trés rapide Long ‘Temps @entrainemen t I T, Moyen Moyen a élevé Hlevé Besoin en Faible a données moyen I Toutes Gestion des Catégorielles & | Catégorielles & | Variables variables numériques | numériques lingairesRésistance au Bonne Trés bonne ‘Moyenne ‘Moyenne (si pas surapprentiss age bien régulé) ] A Cas idéal Datasets Datasets Cas simples et|Gros volumes, moyens, non | complexes et interprétable s {détection patterns linéaires volumineux Notre valeur ajoutée : + Combinaison de plusieurs modéles (Stacking) pour une meilleure généralisation. + Interface Streamlit permettant une interaction sans code pour les équipes marketing. + Validation temporelle (TimeSeriesSplit) pour éviter les fuites de données et simuler des conditions réelles. 2.3 Analyse des besoins : 2.3.1 Spécification des besoins : Afin de réaliser notre projet ; il est impératif d’expliciter les différents besoins fonctionnels et techniques, comme il suit : [Link] Besoins fonctionnels 1,Gestion des utilisateurs a. Authentification et gestion des droits d’accés (admin, analyste, marketeur). b. Création et gestion des profils utilisateurs. 2. Importation et gestion des données.a. Importation des fichiers clients et transactions au format CSV/Excel. b. Visualisation et consultation des données dans des tableaux. c. Nettoyage et préparation des données intégrés (gestion des valeurs manquantes, doublons). Modélisation et prédiction a. Entrainement de modéles de machine leaning. b. Possibilité de tester plusieurs algorithmes et de comparer leurs performances. c. Prédiction du chum pour les clients actifs. d. Affichage de la probabilité de churn par client. Segmentation des clients a. Catégorisation automatique des clients : 4 risque élevé, moyen, faible. b. Visualisation graphique des segments (diagramme, heatmap. Recommandation marketing a. Génération de recommandations marketing personnali fonction du segment client b. Possibilité de définir des scénarios marketing selon le niveau de risque. Suivi des campagnes a. Enregistrement des campagnes lancées. b. Suivi des actions marketing par client (offres envoyées, retours, conversions). Analyse et reporting a. Génération de rapports statistiques (taux de churn, performance des campagnes). b. Affichages de Dashboard personnalisables avec des indicateurs clés. c. Exportation des rapports en PDF ou Excel. Alertes et notifications a. Notification automatique des marketeurs pour les clients a risque élevé. b. Systéme d’alertes paramétrables selon les seuils de churn définis. 10, [Link] Besoins non fonctionnels (détaillés)ll. 12 13. 14. 15, 16. 17. 18. . Possibilité Performance .. Prédictions réalisées en moins de 3 secondes par client pour des bases jusqu’é 100 000 clients. . Rapports générés en moins de 5 secondes. Sécurité Authentification forte (login/mot de passe et éventuellement double de données sans perte de performance. jouter de nouvelles sources de données ou variables explicatives. A . Design simple, intuitif et adapté aux usages professionnels. .. Navigation fluide avec menus clairs et pages de consultation rapides, Facilité d’intégration . Intégration possible avec le CRM existant et d’autres outils marketing. . API pour automatiser import/export de données. Maintenabilité a, Documentation technique et utilisateur, b. Facilité d’évolution pour ajouter de nouveaux modules (ex: module de satisfaction elient futur). Conformitéa. Respect des normes de protection des données personnelles (ex : RGPD pour les données clients en Europe). 2.3.2 Cas d’utilisations : Acteurs : + Utilisateur Administrateur : Personne qui a accés a toutes les fonctionnalités du systéme, comme la gestion des utilisateurs et des paramétres. + Marketeur : Utilisateur chargé de la gestion des campagnes marketing, qui consulte les prédictions de churn et ajuste les actions marketing. + Systéme : Le systéme de prédiction et d’ajustement marketing. 2. Cas d’utilisation principaux : Voici les principaux cas d'utilisation pour ton projet, détaillés avec leurs objectifs, préconditions et scénarios. [Link] Cas d'utilisation 1 : Prédire le churn des clients Acteur principal : Marketeur * Objectif : Prédire la probabilité de churn pour chaque client de Ventreprise. + Préconditions : o Le systéme doit étre connecté a la base de données clients et aux historiques transactionnels. © Le modéle de prédiction du churn est déja formé et prét 4 l'emploi. Scénario principal: 0 Le marketeur se connecte a l’application. o Il accéde a l'onglet Prédiction du churn. © Le systéme analyse les données historiques des clients (Transactions, interactions, comportement) et génére une probabilité de churn pour chaque client.Le marketeur consulte la liste des clients et leurs probabilités de churn. o Le marketeur peut filtrer les clients en fonction du niveau de risque (faible, moyen, élevé). 'Scénarios alternatifs : © Sides données sont manquantes pour certains clients, un message d'erreur s'affiche, indiquant que le churn ne peut pas étre prédit pour ces clients. 0 Sile modéle de churn est obsoléte, le systéme invite ladministrateur a réentrainer le modéle avec de nouvelles données. [Link] Cas d'utilisation 2 : Proposer des actions marketing personnalisées Acteur principal : Marketeur * Objectif : Générer des actions marketing adaptées aux clients a risque de churn. + Préconditions : o Le systéme a déja prédit le churn pour tous les clients. 0 Des scénarios marketing sont préalablement définis dans le systéme. | Scénario principal : o Le marketeur consulte la liste des clients 4 risque de churn, obtenue a partir de la prédiction du churn. o Le marketeur sélectionne un client a risque élevé. o Le systéme génére automatiquement une action marketing (offre spéciale, réduction, campagne personnalisée) pour le client a risque élevé. o Le marketeur valide ou ajuste l'action marketing proposée. 0 L’action marketing est envoyée au client via les canaux appropriés (email, SMS, notification push, ete.). ' Scénarios alternatifs :° o L’administrateur accéde a l’interface d’administration. o L’administrateur peut également supprimer ou modifier les informations des utilisateurs existants. | Scénarios alternatifs o Si l’administrateur tente de créer un utilisateur avec un email deja existant, un message d’erreur apparait.Chapitre 3 : Environnement@ python3.1.2 IDE Figure 3 Logo de yscodeJupyter permettent une autocomplétion intelligente, un débogage avancé et une exécution simplifiée de notebooks. VSCode intégre nativement des outils qui en font bien plus qu'un simple éditeur de texte. Parmi eux : + Un terminal intégré, évitant de jongler entre plusieurs fenétres. + Un débogueur puissant, avec points d'arrét et inspection des variables on approche3.2 Outils de bibliothéque : 3.2.1 Pandas jul pandas Figure 4 Logo de Pandas Pandas est la bibliothéque incontournable pour la manipulation et l'analyse de données en Python, Avec ses structures phares que sont les Data Frames et les, Séries, Pandas permet de nettoyer, transformer et explorer des jeux de données de maniére intuitive et efficace. Que ce soit pour agréger des données, gérer les valeurs manquantes ou fusionner des tables, Pandas offre une syntaxe claire et des performances optimisées, en faisant l'outil de prédilection des data scientistes et analystes. + Lanalyse financiére et risque crédit + Le traitement de logs et données utilisateurs + La préparation de datasets pour le ML + L'automatisation de rapports business3.2.2 Numpy Son efficacité repose aussi sur sa compatibilité avec les bibliothéques écrites en C, ce qui accélére les calcul. NumPy simplifie également la gestion des données grace A des fonctions de manipulation et de transformation trés puissantes. Aujourd’hui, elle est enseignée dans la plupart des formations en data science et en informatique scientifique.En résumé, NumPy est un outil incontournable dés qu’il s’agit de calcul numérique sous Python, Elle offre rapidité, simplicité et performance pour manipuler et analyser des données numériques. Grace a elle, de nombreuses taches complexes deviennent accessibles et plus lisibles. C'est donc une alliée précieuse pour tout développeur ou analyste souhaitant travailler efficacement avec des données.3.2.3 Scikit-learn Figure 6 Logo de Scikit-learrn Scikit-leamn est une biblioth¢que Python spécialisée dans le domaine du machine Learning, Elle a été congue pour offrir des outils simples et efficaces afin de créer et d’expérimenter des modéles d’apprentissage automatique. Trés prisée par les data scientistes et les chercheurs, elle fait aujourd’hui partie des références incontournables dans ce domaine. Cette biblioth&que permet de réaliser plusieurs types d’analyses prédictives, comme la classification, la régression et le regroupement de données. Elle propose une large gamme d’algorithmes standard, faciles utiliser et bien documentés. Grace & sa structure claire et accessible, Scikit-leamn s’adresse autant aux débutants qu’aux utilisateurs expérimentés. Scikit-leamn se base sur d’autres biblioth€ques comme NumPy, SciPy et Matplotlib pour le traitement et la visualisation des données. Elle facilite ainsi Venchainement des étapes d’un projet de machine Learning : depuis la préparation des données jusqu’a I’évaluation du modéle. On peut facilement comparer différents algorithmes pour trouver celui qui donne les meilleurs résultats. Un autre avantage de Scikit-learn est sa grande communauté active qui contribue réguligrement a son amélioration. Elle est largement utilisée dans les projets de reconnaissance d’image, de traitement du langage naturel et d’analyse