Prédict Car

À propos du projet

Prédict Car est une application conçue pour estimer le prix d’une voiture d’occasion et déterminer si l’offre est une « Bonne affaire » ou non. Pensée dans le cadre d’une formation en développement IA, cette solution mêle performance, accessibilité, et modernité, en intégrant :

• un backend FastAPI,
• un frontend React moderne avec Material UI,
• deux modèles de machine learning (Random Forest et régression logistique).

Elle s’adresse aussi bien aux utilisateurs occasionnels qu’aux passionnés du marché de l’automobile.

Fonctionnalités principales

• Recherche intelligente : prédiction du prix selon des critères précis (kilométrage, année, marque, modèle, etc.).
• Évaluation d’offres : classification automatique en « Bonne affaire » ou « Mauvaise affaire ».
• Visualisations dynamiques : affichage interactif des tendances via Plotly.
• 👤 Gestion utilisateurs : inscription, connexion, déconnexion avec sécurisation JWT.
• Expérience fluide : animation au logout, barre de progression pour les prédictions.

Technologies utilisées

• Frontend : React, Vite.js, Material UI, Plotly
• Backend : FastAPI, SQLite, SQLAlchemy
• Machine Learning : Random Forest amélioré, Régression Logistique
• Autres : JWT, scripts Python, notebooks d’analyse, tests unitaires, dockerisation possible

Aperçu du projet

• Formulaire de prédiction :
  

• Résultat interactif :
  

• Authentification et gestion utilisateur :
  

Démarche et conception

Le projet a suivi une approche collaborative rigoureuse. Après avoir nettoyé et exploré les données (notebooks), les modèles ont été testés, comparés (voir tableau ci-dessous), et le meilleur a été intégré à l’API. L’interface React a été pensée pour offrir une UX claire et fluide, même sur mobile.

Modèle	RMSE	R²	Commentaire
Random Forest	2440.84	0.88	Correct, mais moins précis
Random Forest amélioré	2258.58	0.89	✅ Modèle retenu, meilleur équilibre
XGBoost	2384.68	0.88	Plus lent, peu de gain
CatBoost	2674.20	0.93	Trop lourd pour ce projet

Architecture du projet

• api/ : endpoints FastAPI pour prédiction, auth, gestion voitures
• models/ : entraînement et sauvegarde .pkl
• notebooks/ : explorations Jupyter
• voiture-prediction/ : interface React
• scripts/, sql/, tests/, database/ : outils et base

Accès rapide

1. Cloner le repo

git clone https://github.com/Mathieu-Soussignan/voitures-occasion.git
cd voitures-occasion

2. Lancer l’API FastAPI

    pip install -r requirements.txt
    python create_db.py
    uvicorn main:app --reload --port 8000

3. Lancer le frontend

    cd voiture-prediction
    npm install
    npm run dev

Crédits

Projet mené en trio dans le cadre d’une formation IA chez Simplon :

• Mathieu Soussignan
• Sébastien Rapuzzi
• Yasmine Aissani

Auteur

• Mathieu Soussignan.