---
tags:
- marcheflow-ci
- prediction-producteurs
- tabular-classification
- synthetic-data
---

# josue310/save-model-tta — Prédiction d'acceptation producteur (MarchéFlow CI, Niveau 3)

## ⚠️ Données synthétiques

Ce modèle est entraîné sur un dataset **entièrement simulé**
(`data/generer_dataset.py` + `data/DATASET.md` dans le dépôt source) : ~50
producteurs fictifs, historique de sollicitations simulé avec bruit
gaussien. **Aucune donnée réelle** de production ou de livraison n'a été
utilisée. Ce modèle est fourni à des fins de démonstration et ne doit pas
être utilisé pour des décisions réelles sans réentraînement sur des données
observées.

## Tâche

Classification binaire : étant donné les caractéristiques d'un couple
(producteur, produit, nouvelle demande), prédire la probabilité que ce
producteur accepte de produire **et** livre conforme.

## Algorithme

`random_forest` (scikit-learn), sélectionné pour son F1 sur un
split 80/20 stratifié parmi GradientBoostingClassifier et
RandomForestClassifier.

## Métriques (sur le jeu de test synthétique, 20%)

- Accuracy : 0.6516
- Precision : 0.6502
- Recall : 0.7323
- F1 : 0.6888
- Matrice de confusion : [[100, 78], [53, 145]]

## Importance des features

- `compatibilite_delai` : 0.3376
- `taux_conformite` : 0.1648
- `attractivite_prix` : 0.1510
- `capacite_estimee` : 0.1457
- `taux_acceptation_historique` : 0.1093
- `specialisation_score` : 0.0792
- `compatibilite_zone` : 0.0124

## Features attendues (dans cet ordre exact)

`['specialisation_score', 'capacite_estimee', 'compatibilite_delai', 'compatibilite_zone', 'taux_acceptation_historique', 'taux_conformite', 'attractivite_prix']`

Voir `app/ml/charger_modele.py::FEATURES` dans le dépôt source pour la
définition de chaque feature.

## Limites d'usage

- Données d'entraînement synthétiques : aucune garantie de généralisation à
  des producteurs réels.
- Les tables de référence zone × produit cultivable sont des hypothèses de
  démo, non validées agronomiquement.
- Ne pas utiliser pour des décisions d'engagement contractuel : les
  prédictions de ce modèle sont des suggestions, pas des engagements
  ("statut": "suggestion_marche_non_engagee" dans l'API).