EIA - Idees de projets suggerees

Idees 30 min de lecture Planification

---

Comment choisir votre projet

Selectionner le bon projet est crucial. Choisissez-en un qui correspond a votre niveau de competence et a vos interets. Utilisez l'organigramme de decision ci-dessous pour vous aider a decider.

Organigramme de decision

Criteres de selection

Facteur	Questions a vous poser
Interet	Suis-je reellement curieux(se) a propos de ce probleme ?
Disponibilite des donnees	Le jeu de donnees est-il facile d'acces et bien documente ?
Complexite	Puis-je realistement terminer ceci en 15 heures ?
Explicabilite	LIME/SHAP produiront-ils des resultats significatifs pour ce modele ?
Demonstrabilite	Puis-je construire une demo en direct convaincante ?

Choisissez judicieusement

Vous ne pouvez pas changer de projet apres la semaine 13. Assurez-vous d'avoir acces au jeu de donnees et de comprendre le probleme avant de vous engager.

---

Tableau comparatif des projets

#	Projet	Type	Difficulte	Taille du jeu de donnees	Ideal pour
1	Predicteur de prix immobilier	Regression	⭐ Debutant	~1 500 lignes	a l'aise avec les chiffres
2	Analyseur de sentiment	Classification	⭐⭐ Intermediaire	~50 000 lignes	Interet pour le NLP
3	Classificateur de spam	Classification	⭐ Debutant	~5 500 lignes	Premier projet ML
4	Predicteur d'attrition client	Classification	⭐⭐ Intermediaire	~7 000 lignes	Interet metier
5	Classificateur d'images	Classification	⭐⭐⭐ Avance	~70 000 images	Interet pour la vision par ordinateur
6	evaluation du risque medical	Classification	⭐⭐ Intermediaire	~300 lignes	Interet pour la sante
7	Recommandeur de films	Classification	⭐⭐⭐ Avance	~100 000 evaluations	Systemes de recommandation
8	Credit scoring	Classification	⭐⭐ Intermediaire	~30 000 lignes	Interet pour la finance
9	Predicteur de couts d'assurance	Regression	⭐ Debutant	~1 300 lignes	Demarrage rapide, donnees propres
10	Predicteur d'attrition d'employes	Classification	⭐⭐ Intermediaire	~1 400 lignes	RH / analytique des personnes

---

1. Predicteur de prix immobilier

Predire les prix des logements en fonction des caracteristiques de la propriete.

Aspect	Details
Type	Regression
Difficulte	⭐ Debutant
Jeu de donnees	Boston Housing ou Ames Housing
echantillons	~1 460 (Ames) / ~506 (Boston)
Caracteristiques	Superficie, chambres, quartier, annee de construction, etc.
Cible	Prix de vente (continu)

Modeles suggeres

• Regression lineaire (reference de base)
• Random Forest Regressor
• Gradient Boosting (XGBoost ou LightGBM)

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ sqft, bedrooms, bathrooms, year_built, neighborhood ]	[ predicted_price, confidence_interval ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, r2_score, mae, features ]

Metriques d'evaluation

• MAE (Mean Absolute Error)
• RMSE (Root Mean Square Error)
• R² Score
• MAPE (Mean Absolute Percentage Error)

Focus explicabilite

SHAP est ideal ici — les graphiques en cascade montrent clairement comment chaque caracteristique pousse le prix predit vers le haut ou vers le bas (par ex., une plus grande superficie augmente le prix, une annee de construction plus ancienne le diminue).

Exemple de requete predict

{
  "square_feet": 1500,
  "bedrooms": 3,
  "bathrooms": 2,
  "year_built": 2005,
  "neighborhood": "CollgCr",
  "garage_cars": 2,
  "overall_quality": 7
}

Reponse :

{
  "predicted_price": 215400.50,
  "model_version": "1.0.0",
  "confidence": "Prediction based on Random Forest with R²=0.89"
}

---

2. Analyseur de sentiment

Classifier les avis textuels comme positifs, negatifs ou neutres.

Aspect	Details
Type	Classification de texte (NLP)
Difficulte	⭐⭐ Intermediaire
Jeu de donnees	IMDB Reviews ou Amazon Reviews
echantillons	~50 000
Caracteristiques	Texte brut (necessite TF-IDF ou CountVectorizer)
Cible	Sentiment (positif / negatif)

Modeles suggeres

• Regression logistique avec TF-IDF (reference de base)
• Naive Bayes (MultinomialNB)
• Random Forest avec caracteristiques TF-IDF

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ text: "This movie was fantastic!" ]	[ sentiment, confidence, keywords ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, accuracy, vocabulary_size ]

Metriques d'evaluation

• Accuracy
• Precision / Recall par classe
• F1-Score
• Matrice de confusion

Focus explicabilite

LIME excelle pour le texte — il met en evidence les mots qui contribuent le plus a la prediction (par ex., « fantastic » → positif, « terrible » → negatif).

Pretraitement du texte

N'oubliez pas : minuscules, suppression de la ponctuation, suppression des mots vides et application de TF-IDF avant l'entrainement. Documentez soigneusement votre pipeline de pretraitement — il doit etre reproduit au moment de la prediction.

Exemple de requete predict

{
  "text": "The product arrived quickly and works perfectly. Very satisfied with my purchase!"
}

Reponse :

{
  "sentiment": "positive",
  "confidence": 0.94,
  "model_version": "1.0.0"
}

---

3. Classificateur de spam

Classifier les messages SMS ou courriels comme spam ou non-spam (ham).

Aspect	Details
Type	Classification binaire (NLP)
Difficulte	⭐ Debutant
Jeu de donnees	SMS Spam Collection
echantillons	~5 574
Caracteristiques	Texte SMS brut
Cible	Spam / Ham

Modeles suggeres

• Naive Bayes avec CountVectorizer (reference de base — filtre anti-spam classique)
• Regression logistique avec TF-IDF
• Machine a vecteurs de support (SVM)

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ message: "You won a free iPhone!" ]	[ label, spam_probability ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, accuracy, f1_score ]

Metriques d'evaluation

• Accuracy
• Precision (critique — eviter les faux positifs marquant de vrais messages comme spam)
• Recall
• F1-Score

Focus explicabilite

LIME met en evidence les mots « spammeurs » qui declenchent le classificateur (par ex., « free », « winner », « click », « prize »).

Pourquoi c'est ideal pour les debutants

Le jeu de donnees SMS Spam est petit, propre et bien documente. Le probleme est intuitif (tout le monde sait a quoi ressemble le spam), et les resultats sont faciles a demontrer et a expliquer.

Exemple de requete predict

{
  "message": "CONGRATULATIONS! You've been selected to receive a $1000 Walmart gift card. Click here to claim now!"
}

Reponse :

{
  "label": "spam",
  "spam_probability": 0.97,
  "model_version": "1.0.0"
}

---

4. Predicteur d'attrition client

Predire si un client va quitter (attrition) un service.

Aspect	Details
Type	Classification binaire
Difficulte	⭐⭐ Intermediaire
Jeu de donnees	Telco Customer Churn
echantillons	~7 043
Caracteristiques	Anciennete, frais mensuels, type de contrat, service Internet, mode de paiement, etc.
Cible	Attrition (Oui / Non)

Modeles suggeres

• Regression logistique (reference de base)
• Random Forest Classifier
• Gradient Boosting (XGBoost)

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ tenure, monthly_charges, contract, internet_service, ... ]	[ churn_prediction, churn_probability, risk_level ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, auc_roc, features ]

Metriques d'evaluation

• Accuracy
• AUC-ROC (metrique principale pour les classes desequilibrees)
• Precision / Recall
• F1-Score

Focus explicabilite

Les graphiques de dependance SHAP revelent quels facteurs conduisent le plus a l'attrition (par ex., contrats mensuels, frais mensuels eleves). Les perspectives pertinentes pour le metier rendent cela excellent pour votre presentation.

Exemple de requete predict

{
  "tenure": 3,
  "monthly_charges": 85.50,
  "total_charges": 256.50,
  "contract": "Month-to-month",
  "internet_service": "Fiber optic",
  "payment_method": "Electronic check",
  "senior_citizen": 0
}

Reponse :

{
  "churn_prediction": "Yes",
  "churn_probability": 0.82,
  "risk_level": "High",
  "model_version": "1.0.0"
}

---

5. Classificateur d'images (simple)

Classifier des images en categories en utilisant des caracteristiques de pixels ou des caracteristiques pre-extraites.

Aspect	Details
Type	Classification multiclasse
Difficulte	⭐⭐⭐ Avance
Jeu de donnees	Fashion MNIST ou CIFAR-10
echantillons	~70 000 (Fashion MNIST)
Caracteristiques	Valeurs de pixels 28×28 (aplaties en 784 caracteristiques)
Cible	Categorie (T-shirt, Pantalon, Pull, etc.)

Modeles suggeres

• Regression logistique sur pixels aplatis (reference de base)
• Random Forest sur pixels aplatis
• SVM avec reduction de dimensionnalite (PCA)

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ pixels: [0.0, 0.0, ..., 0.5, ...] ] (784 valeurs)	[ category, confidence, top_3_predictions ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, accuracy, classes ]

Metriques d'evaluation

• Accuracy
• Precision et Recall par classe
• Matrice de confusion (10×10)
• Macro F1-Score

Focus explicabilite

LIME pour les images met en evidence quelles regions de pixels ont le plus contribue a la classification. SHAP peut montrer l'importance des caracteristiques a travers les positions de pixels.

Defi avance

Ce projet necessite la gestion d'entrees de haute dimension (784 caracteristiques). Envisagez PCA pour la reduction de dimensionnalite. La charge utile de l'API sera plus grande — prevoyez la validation de la longueur du tableau et des plages de valeurs.

Exemple de requete predict

{
  "pixels": [0.0, 0.0, 0.0, 0.0, 0.12, 0.45, 0.78, "... (784 values total)"]
}

Reponse :

{
  "category": "Ankle boot",
  "confidence": 0.91,
  "top_3_predictions": [
    {"category": "Ankle boot", "confidence": 0.91},
    {"category": "Sneaker", "confidence": 0.06},
    {"category": "Sandal", "confidence": 0.02}
  ],
  "model_version": "1.0.0"
}

---

6. evaluation du risque medical

Predire le risque d'une condition medicale en fonction des caracteristiques du patient.

Aspect	Details
Type	Classification binaire
Difficulte	⭐⭐ Intermediaire
Jeu de donnees	Heart Disease UCI ou Diabetes
echantillons	~303 (Cœur) / ~768 (Diabete)
Caracteristiques	age, pression arterielle, cholesterol, glucose, IMC, etc.
Cible	Presence de maladie (Oui / Non)

Modeles suggeres

• Regression logistique (reference de base — interpretable en sante)
• Random Forest Classifier
• Machine a vecteurs de support

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ age, blood_pressure, cholesterol, glucose, bmi, ... ]	[ risk_level, probability, contributing_factors ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, recall, precision, features ]

Metriques d'evaluation

• Recall (principal — minimiser les faux negatifs est critique en sante)
• Precision
• F1-Score
• AUC-ROC

Focus explicabilite

L'explicabilite est essentielle en sante. Les graphiques de force SHAP et les explications LIME montrent exactement quels facteurs du patient contribuent a l'evaluation du risque. Cela rend votre analyse tres pertinente pour votre presentation.

Considerations ethiques

Dans votre rapport, discutez des implications ethiques du deploiement d'un systeme IA pour l'evaluation du risque medical. Abordez des sujets comme : le biais du modele, l'importance du recall par rapport a la precision, et pourquoi le modele devrait assister (et non remplacer) les professionnels de la sante.

Exemple de requete predict

{
  "age": 55,
  "sex": 1,
  "blood_pressure": 140,
  "cholesterol": 250,
  "fasting_blood_sugar": 1,
  "max_heart_rate": 150,
  "exercise_angina": 0
}

Reponse :

{
  "risk_level": "High",
  "probability": 0.78,
  "contributing_factors": ["high cholesterol", "elevated blood pressure", "age"],
  "model_version": "1.0.0"
}

---

7. Recommandeur de films

Predire si un utilisateur aimera un film en fonction de ses preferences.

Aspect	Details
Type	Classification / Recommandation
Difficulte	⭐⭐⭐ Avance
Jeu de donnees	MovieLens 100K
echantillons	~100 000 evaluations
Caracteristiques	Donnees demographiques utilisateur, genres de films, historique d'evaluations
Cible	Prediction de note ou binaire aime/n'aime pas

Modeles suggeres

• Regression logistique sur caracteristiques construites (reference de base)
• Random Forest sur la matrice de caracteristiques utilisateur-film
• K-Nearest Neighbors (base sur le contenu)

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ user_age, genres: ["Action", "Sci-Fi"], avg_rating ]	[ will_like, confidence, similar_movies ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, accuracy, genres_supported ]

Metriques d'evaluation

• Accuracy
• Precision@K
• F1-Score
• Mean Absolute Error (pour la prediction de notes)

Focus explicabilite

SHAP peut reveler quels genres, donnees demographiques utilisateur ou habitudes de visionnage influencent le plus les recommandations. Les graphiques d'interaction des caracteristiques montrent comment la preference de genre interagit avec l'age ou l'historique de visionnage.

Projet avance

Ce projet necessite un feature engineering significatif — vous devrez creer une matrice de caracteristiques utilisateur-film a partir des donnees d'evaluation brutes. Prevoyez du temps supplementaire pour le pretraitement des donnees.

Exemple de requete predict

{
  "user_age": 28,
  "preferred_genres": ["Action", "Sci-Fi", "Thriller"],
  "average_rating": 3.8,
  "movie_genre": "Action",
  "movie_year": 2020
}

Reponse :

{
  "will_like": true,
  "confidence": 0.85,
  "predicted_rating": 4.2,
  "model_version": "1.0.0"
}

---

8. Credit scoring

Predire si un demandeur de pret est susceptible de faire defaut.

Aspect	Details
Type	Classification binaire
Difficulte	⭐⭐ Intermediaire
Jeu de donnees	German Credit Data ou Give Me Some Credit
echantillons	~1 000 (German) / ~150 000 (Give Me Some Credit)
Caracteristiques	Revenu, age, nombre de personnes a charge, historique de credit, montant du pret, etc.
Cible	Defaut (Oui / Non)

Modeles suggeres

• Regression logistique (reference de base — standard en finance)
• Random Forest
• Gradient Boosting (XGBoost)

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ income, age, debt_ratio, credit_lines, loan_amount ]	[ default_risk, probability, risk_category ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, auc_roc, features ]

Metriques d'evaluation

• AUC-ROC (metrique principale en credit scoring)
• Precision / Recall
• F1-Score
• KS Statistic (bonus — standard de l'industrie)

Focus explicabilite

L'explicabilite est legalement requise dans plusieurs juridictions pour les decisions de credit. Les graphiques de force SHAP peuvent expliquer les decisions individuelles de pret, ce qui rend ce projet tres pertinent pour les discussions de conformite reglementaire.

Contexte reglementaire

Dans l'UE (RGPD) et au Canada, les individus ont le « droit a l'explication » pour les decisions automatisees. Les modeles de credit scoring doivent etre explicables. Discutez-en dans votre rapport.

Exemple de requete predict

{
  "annual_income": 52000,
  "age": 35,
  "debt_ratio": 0.35,
  "number_of_open_credit_lines": 5,
  "number_of_dependents": 2,
  "months_employed": 48
}

Reponse :

{
  "default_risk": "Low",
  "default_probability": 0.12,
  "risk_category": "A",
  "model_version": "1.0.0"
}

---

9. Predicteur de couts d'assurance

Predire les couts d'assurance medicale individuels en fonction d'attributs personnels.

Aspect	Details
Type	Regression
Difficulte	⭐ Debutant
Jeu de donnees	Medical Cost Personal Dataset
echantillons	~1 338
Caracteristiques	age, sexe, IMC, enfants, fumeur, region
Cible	Frais d'assurance (continu)

Modeles suggeres

• Regression lineaire (reference de base)
• Random Forest Regressor
• Gradient Boosting Regressor

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ age, sex, bmi, children, smoker, region ]	[ predicted_cost, model_version ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, r2_score, mae ]

Metriques d'evaluation

• MAE
• RMSE
• R² Score
• MAPE

Focus explicabilite

SHAP montre clairement que le statut de fumeur a un impact massif sur le cout predit. Cela permet une demo excellente et visuellement percutante. Les graphiques en cascade pour les predictions individuelles sont tres intuitifs.

Meilleur choix debutant pour la regression

Ce jeu de donnees est petit, propre, necessite un pretraitement minimal et produit des resultats SHAP tres interpretables. Si vous etes nouveau(elle) en ML et preferez la regression, commencez ici.

Exemple de requete predict

{
  "age": 32,
  "sex": "female",
  "bmi": 27.5,
  "children": 1,
  "smoker": "no",
  "region": "northwest"
}

Reponse :

{
  "predicted_cost": 5765.30,
  "model_version": "1.0.0"
}

---

10. Predicteur d'attrition d'employes

Predire si un employe est susceptible de quitter l'entreprise.

Aspect	Details
Type	Classification binaire
Difficulte	⭐⭐ Intermediaire
Jeu de donnees	IBM HR Analytics Employee Attrition
echantillons	~1 470
Caracteristiques	age, satisfaction au travail, revenu mensuel, heures supplementaires, annees dans l'entreprise, etc.
Cible	Attrition (Oui / Non)

Modeles suggeres

• Regression logistique (reference de base)
• Random Forest Classifier
• Gradient Boosting (XGBoost)

Endpoints API

Endpoint	Methode	Entree	Sortie
/predict	POST	[ age, job_satisfaction, monthly_income, overtime, years_at_company ]	[ attrition_risk, probability, key_factors ]
/health	GET	—	[ status, timestamp ]
/model-info	GET	—	[ model, f1_score, features ]

Metriques d'evaluation

• Accuracy
• F1-Score (important en raison du desequilibre des classes)
• AUC-ROC
• Recall

Focus explicabilite

SHAP revele quels facteurs du milieu de travail conduisent le plus a l'attrition (heures supplementaires, satisfaction, remuneration). Les perspectives pertinentes pour les RH rendent la presentation convaincante.

Exemple de requete predict

{
  "age": 30,
  "job_satisfaction": 2,
  "monthly_income": 3500,
  "overtime": "Yes",
  "years_at_company": 2,
  "distance_from_home": 25,
  "work_life_balance": 2
}

Reponse :

{
  "attrition_risk": "High",
  "attrition_probability": 0.73,
  "key_factors": ["low job satisfaction", "overtime", "short tenure"],
  "model_version": "1.0.0"
}

---

Resume de la difficulte des projets

Voir les projets par niveau de difficulte

Recommandation de l'enseignant

S'il s'agit de votre premier projet ML de bout en bout, choisissez le Classificateur de spam, le Predicteur de couts d'assurance ou le Predicteur de prix immobilier. Ces jeux de donnees sont propres, petits et bien documentes — vous permettant de vous concentrer sur le pipeline de deploiement plutot que sur le nettoyage des donnees. Si vous voulez un defi, Attrition client ou Credit scoring offrent d'excellents problemes pertinents pour le monde des affaires avec des resultats d'explicabilite interessants.

---

Puis-je choisir mon propre projet ?

Oui ! Vous pouvez proposer votre propre projet, a condition qu'il respecte ces exigences minimales :

Exigence	Minimum
Taille du jeu de donnees	≥ 500 echantillons
Nombre de caracteristiques	≥ 5
Type de probleme	Classification ou regression
Accessibilite des donnees	Publiquement disponible ou approuve par l'enseignant
Explicabilite	LIME et/ou SHAP doit etre applicable

Soumettez votre proposition de projet personnalise a votre enseignant avant la fin de la semaine 12 pour approbation.