Augur
Framework de prévision de séries temporelles (retail / demand forecasting), orchestration distribuée Python + Rust.
Métriques obtenues sur le dataset Rossmann.
Contexte
Projet entrepreneurial né de mon stage chez Need4Viz, où j’ai appris le forecasting et perçu son potentiel. J’y ai constaté que le code de forecasting est toujours quasiment le même d’un dataset à l’autre. Plutôt que de recoder à chaque nouveau dataset, j’ai créé un framework réutilisable.
Ce qui a été construit
Un écosystème entier interconnecté autour de la prévision : framework, base de données, dashboard, orchestration et monitoring. Le pipeline couvre toutes les étapes de bout en bout — ingestion, entraînement, orchestration, monitoring.
Le cœur de prévision en Python s’appuie sur Darts, XGBoost et un Temporal Fusion Transformer (PyTorch), avec Polars pour le traitement de données. L’ensemble est conteneurisé via Docker multi-stage avec un pipeline CI/CD sur GitHub Actions.