Apprentissage automatique pour la prévision des ventes Cas d'étude

Abstract

Ce mémoire se concentre sur l'amélioration des techniques de prévision des ventes appliquées à Cevital SPA. L'objectif principal est d'améliorer la précision des prévisions des ventes en comparant différents algorithmes de modélisation des séries chronologiques. La démarche adoptée inclut une analyse des séries chronologiques de ventes, l'intégration et l'entraînement de modèles prédictifs classiques et d'apprentissage automatique tels que SARIMA, les arbres de décision, les forêts aléatoires, XGBoost, CatBoost, et Prophet. En se basant sur différentes métriques (RMSE, MAE, R2) nous avons évalué la précision des modèles et comparé leurs performances respectives, puis démontré les avantages apportés par l'approche hybride.