Un système end-to-end de credit scoring sur 30 000 clients — clustering HDBSCAN, Gradient Boosting par cluster, SMOTE, et explicabilité SHAP. Déployé via Flask.
// 01 — pipeline
Une approche cluster-based : segmenter d'abord, prédire ensuite. Chaque groupe comportemental reçoit son propre modèle calibré.
30 000 clients, 6 mois d'historique de paiement, montants de factures et démographie.
Gestion des valeurs aberrantes, encodage des variables catégorielles, normalisation.
Segmentation non supervisée en 3 groupes comportementaux. Gestion des outliers (-1).
Sursampling synthétique de la classe minoritaire (défaut) par cluster pour éviter le biais.
Un Gradient Boosting entraîné par cluster + Naive Bayes comme baseline comparatif.
Valeurs SHAP pour expliquer chaque prédiction — quels facteurs ont le plus pesé.
// 02 — modèles
Comparaison entre la baseline Naive Bayes et le Gradient Boosting spécialisé par cluster comportemental.
// 03 — segmentation
HDBSCAN identifie 3 groupes distincts de clients selon leurs habitudes de paiement sur 6 mois.
Paiements réguliers, faibles soldes reportés. Historique de crédit stable sur 6 mois. Profil low-risk dominant dans le dataset.
Paiements erratiques, utilisation élevée du crédit mais généralement couverts. Profil intermédiaire, sensible aux chocs.
Retards répétés, montants de factures élevés par rapport aux paiements. Signaux précoces de détresse financière.
// 04 — explicabilité
Importance des features · SHAP mean |φ|
L'analyse SHAP révèle que les variables PAY_0 à PAY_6 (statut de paiement des 6 derniers mois) expliquent à elles seules plus de 60% de la variance de prédiction. Un seul mois de retard crédible est un signal fort.
L'explicabilité SHAP permet de justifier chaque refus de crédit — une exigence réglementaire croissante dans le secteur financier.
// 05 — stack technique
// 06 — auteure