Projet de fin d'étude : La mise en place d’un système intelligent (Pricer) de détermination du prix d’un produit à partie de sa photo

Etudiant : HANDAG MUSTAPHA

Filière : Master Systèmes Intelligents et Décisionnels (MSID)

Encadrant : Pr. El FAR MOHAMED

Annèe : 2023

Résumé : Le rapport de stage relate en détail le travail réalisé au sein de l'entreprise PREMSOFT pour l'obtention du diplôme de Master des Système Intelligents et Décisionnels (MSID). Il se divise en plusieurs parties essentielles. La première partie présente le contexte général du projet. Elle expose en détail l'entreprise PREMSOFT, son historique, sa vision et son positionnement sur le marché des électroménagers. Cette section met également en évidence le contexte concurrentiel dans lequel évolue l'entreprise et explique la motivation du projet. Les objectifs du stage sont clairement définis, tout comme la problématique, les enjeux et l'intérêt liés au système "Pricer". La deuxième partie fait un état de l'art des différents déterminateurs de prix existants. Elle met l'accent sur les méthodes basées sur des modèles économiques et sur la comparaison des prix. Des travaux existants sur l'estimation et la détermination de prix sont examinés, avec un focus sur les approches traditionnelles et les techniques de deep learning. Les défis et les perspectives dans ce domaine sont également abordés, tout en mettant en avant la solution proposée par le système "Pricer" développé par PREMSOFT. La troisième partie détaille les méthodologies et la mise en place concrète du système "Pricer". Elle commence par expliquer le processus d'extraction des données à partir du web grâce au web scraping. Les différentes étapes d'extraction, de gestion et de structuration des données sont présentées en détail, ainsi que les outils et techniques utilisés. Les limitations et les défis rencontrés lors de cette étape sont également abordés. Ensuite, la création et le stockage de la base de données sont discutés, en décrivant le chargement initial des données ainsi que leur mise à jour périodique. Le chapitre se poursuit avec l'entraînement du modèle CNN MobilNetV2 et l'extraction de ses caractéristiques, ainsi que la mise en place du système CBIR (Content-Based Image Retrieval) pour la recherche de similarité d'images. La quatrième partie présente les résultats obtenus et leur évaluation. Elle évalue spécifiquement le modèle MobilNetV2 en le comparant à d'autres architectures de modèles CNN, et évalue également les performances du système CBIR. Les principaux résultats du projet sont résumés, les limitations du système Pricer sont identifiées et des perspectives d'amélioration sont proposées. Une réflexion est menée sur les enseignements tirés du stage, l'évaluation de la contribution du stage à la résolution de la problématique initiale du système Pricer, ainsi que les perspectives futures. Enfin, ce rapport de stage met en lumière les compétences acquises lors du stage, notamment en matière de web scraping, de gestion de bases de données, de deep learning et de vision par ordinateur. Il souligne également l'importance de la collaboration avec l'équipe de PREMSOFT et l'impact positif du projet dans le domaine de la détermination des prix. Des pistes d'amélioration sont suggérées, ouvrant ainsi la voie à de futures recherches et développements dans ce domaine.