Banking Classifier Application
Le projet
Application web de classification automatique des transactions bancaires en catégories d'activité, par une IA générative fine-tunée. L'utilisateur saisit un libellé et reçoit une catégorie prédite avec son niveau de confiance, qu'il peut valider ou corriger, ce qui alimente l'apprentissage continu du modèle.
La valeur
L'application est déployée en production et librement accessible via son site : c'est une démonstration concrète de la chaîne complète d'un projet d'IA, de la récupération et du traitement de la donnée au fine-tuning d'un modèle existant, jusqu'à l'exploitation quotidienne.
S'y ajoute un mécanisme collaboratif : la validation ou la correction de l'utilisateur est collectée et réinjectée dans l'entraînement. Le modèle gagne ainsi en précision au fil de l'usage, selon ce principe d'amélioration continue.
La stack technique
Le modèle repose sur un LLM pré-entraîné puis fine-tuné sur des données transactionnelles, distribué via Hugging Face.
Le traitement des données s'appuie sur Apache Spark pour l'enrichissement massif des données d'entraînement. Les retours utilisateurs sont stockés dans une base PostgreSQL hébergée sur Railway, consultée et manipulée via DBeaver.
À chaque requête FastAPI expose le modèle hébergé sur Hugging Face et interroge la base de données.
L'interface web est construite avec Flask pour la saisie des libellés et la collecte des retours.
Côté infrastructure, le dépôt GitHub fournit l'application conteneurisée avec Docker, déployée et hébergée sur un serveur privé virtuel (VPS). GitHub assure le versionnage et le CI/CD.
L'architecture est pensée pour rester robuste, évolutive et maintenable en production.
