Radar de risque impayé — mise en situation

Le module 3 a construit un moteur de classification from scratch. Ce module utilise scikit-learn pour un cas complet et réaliste : un pipeline de bout en bout, du feature engineering à l’évaluation critique des résultats.

Le scénario

Une entreprise B2B facture ses clients à crédit. Le service recouvrement veut savoir, avant l’échéance, quelles factures risquent d’être payées en retard, pour prioriser ses relances. On dispose de l’historique de facturation : client, secteur d’activité, montant, délai de paiement observé.

Générer les données

import numpy as np
import pandas as pd

rng = np.random.default_rng(7)
secteurs = ["Industrie", "Commerce", "Services", "BTP"]
taux_retard_secteur = {"Industrie": 0.15, "Commerce": 0.20, "Services": 0.10, "BTP": 0.40}
# ... génération de ~1300 factures pour 60 clients, avec un taux de retard qui
# dépend du secteur (le BTP paie structurellement plus en retard)

Nombre total de factures: 1289
taux de retard global: 0.231

Environ 23 % des factures sont payées en retard — un problème modérément déséquilibré, ce qui aura son importance plus loin dans ce module.

Feature engineering temporel, sans fuite d’information

La feature la plus utile est la forme récente d’un client : son taux de retard sur ses dernières factures. La calculer correctement demande une règle stricte : ne jamais utiliser d’information postérieure à la facture qu’on décrit.

from collections import defaultdict, deque

WINDOW = 5
historique_client = defaultdict(lambda: deque(maxlen=WINDOW))
taux_retard_recent = []

for row in factures.itertuples():
    hist = historique_client[row.client]
    if len(hist) == 0:
        taux_retard_recent.append(np.nan)
    else:
        taux_retard_recent.append(np.mean([h[0] for h in hist]))
    # Mise a jour de l'historique APRES calcul de la feature
    hist.append((row.paye_en_retard, row.montant))

factures["taux_retard_recent"] = taux_retard_recent
factures = factures.dropna(subset=["taux_retard_recent"])

L’ordre des deux opérations est crucial : on lit d’abord l’historique accumulé jusque-là (hist), et seulement après on y ajoute la facture courante. Inverser ces deux lignes ferait fuiter dans la feature une information que le modèle n’aurait jamais en pratique au moment de la prédiction — un modèle qui semblerait excellent en test, mais inutilisable en production.

Lignes apres feature engineering: 1229

60 lignes sont écartées : ce sont les toutes premières factures de chaque client, pour lesquelles aucun historique n’existe encore.

Une feature différentielle

taux_secteur_observe = factures.groupby("secteur")["taux_retard_recent"].transform("mean")
factures["ecart_taux_secteur"] = factures["taux_retard_recent"] - taux_secteur_observe

Cette feature positionne chaque facture par rapport à la moyenne de son secteur — un client « pire que la moyenne de son secteur » n’a pas le même profil de risque qu’un client « dans la moyenne », même à taux de retard brut identique.

Prochaine étape

👉 Découper les données par client, pas par ligne

---

Junior TSAFACK – 12/09/2026