Axel Remillat
← Retour aux projets

LIVE — testable//Architecture

Pipeline Data/ML en production

Scoring de leads (proba de conversion) : ingestion → ML → prédictions + explicabilité, testable en direct.

Pipeline // flux de données

1
Ingestion
dataset Leads SaaS · ~300 lignes · 11 colonnes
2
Nettoyage & validation
imputation · clamp des aberrants · déduplication par id
3
Feature engineering
one-hot (taille · source) · ratios · normalisations
10 features dérivées
4
Régression logistique
poids fixés hors-ligne → proba = 1 / (1 + e^−z)
5
Prédictions & explicabilité
chaud / tiède / froid + features décisives
100 % client-side — pas d'API, pas de secretDéterministe · gratuit · instantané

01 // Contexte

Les PME croulent sous les leads entrants mais les traitent dans le désordre, sans savoir lesquels ont le plus de chances de convertir — du temps commercial gaspillé sur des prospects froids.

02 // Le défi

Construire un vrai pipeline data → ML de bout en bout, pas un notebook jetable : ingestion, nettoyage, feature engineering, modèle et explicabilité — léger, déterministe, testable en ligne, sans infra lourde ni coût par prédiction.

03 // Résultat / état

Démo testable en direct. Régression logistique à poids fixes (entraînée hors-ligne), scoring 100 % client-side : chaque lead reçoit une probabilité de conversion (chaud/tiède/froid) et les features qui poussent son score. Pipeline en 5 étapes révélées pas à pas, prédictions triables et graphes d'analyse.