27 Conception d'un système intelligent pour prédire le « churn » des clients et recommander des actions de fidélisation PFE

Contexte du projet

• Développer un système intelligent pour identifier les clients à risque de départ (churn) et automatiser des recommandations d'actions de fidélisation.
• Le système doit analyser le comportement client, estimer une probabilité de churn et proposer des stratégies ciblées (remises, offres de fidélité, programmes personnalisés).

Objectifs et livrables

• Conception et entraînement d'un modèle prédictif de churn avec métriques d'évaluation (AUC, précision, rappel, etc.).
• Mise en place d'un système de recommandation d'actions de rétention personnalisées et d'un prototype (API + interface) pour déployer les recommandations.

Missions et tâches

• Collecter et pré-traiter les données clients (comportementales, transactionnelles, démographiques) et réaliser l'ingénierie des features.
• Expérimenter plusieurs modèles (scikit-learn, TensorFlow/PyTorch), valider la performance et sélectionner la meilleure approche.
• Concevoir une API pour servir les prédictions et recommandations (FastAPI ou Flask) et développer une interface front-end prototype (React.js ou Vue.js) pour visualiser les scores et actions.
• Rédiger la documentation technique, produire des notebooks d'expérimentation, et écrire des tests automatisés (pytest).

Profil recherché et compétences

• Profil : Ingénieur / stagiaire Data & IA — stage de 6 mois.
• Compétences techniques demandées : Python, JavaScript, SQL ; bonnes connaissances en machine learning (scikit-learn, TensorFlow ou PyTorch).
• Compétences back-end et API : FastAPI ou Flask ; compétences front-end souhaitées : React.js ou Vue.js.
• Outils et bonnes pratiques : Docker, Git/GitHub, visualisation (Matplotlib), tests (pytest).

Environnement technique

• Stack recommandée : Python pour data science, scikit-learn/TensorFlow/PyTorch pour les modèles, FastAPI/Flask pour l'API, React.js/Vue.js pour le front-end.
• Containerisation et CI : Docker et GitHub pour versionning et déploiement, mise en place de pipelines simples pour tests et build.

Modalités de candidature

• Pour postuler, envoyer votre candidature (CV + lettre / portfolio) à : stagetunisie.tn@capgemini.com.
• Objet recommandé pour l'email : « Candidature stage PFE - 27 Conception d'un système intelligent pour prédire le churn ».