FINTECH · ML / RAG · 2026 — en cours
Fvundi
Un scoring de crédit explicable, pensé pour les réalités des économies émergentes. Une architecture qui sépare la prédiction de son explication.
- RÔLE
- Founder & CTO
- DOMAINE
- FINTECH · ML / RAG
Le problème
Comment évaluer la solvabilité à partir de données Mobile Money tout en rendant chaque décision compréhensible et contrôlable ?
La solution et les choix techniques
XGBoost produit le score. TreeSHAP identifie les facteurs de décision. Une couche RAG — LlamaIndex, Cohere, pgvector et Claude — construit une explication ancrée dans ces facteurs. Le pipeline MLOps intègre détection d’anomalies et suivi de dérive.
Résultat connu
Le travail a mis en évidence des écarts de fidélité des explications entre profils démographiques, à prédiction ML identique. Ce constat nourrit un programme de recherche sur la supervision constitutionnelle des systèmes hybrides.
Technologies et concepts
XGBoost · LlamaIndex · SHAP · FastAPI