MouhamaDiallo/databuilder-africa

Prédiction des coupures de courant à Ouagadougou — Sankara AI Network # DataBuilder Africa ## Prédiction des coupures de courant — Ouagadougou, Burkina Faso Développé dans le cadre du challenge **Sankara AI Network (SAIN)** *"De la donnée brute à une solution déployée"* --- ## Problème 72% des entreprises en Afrique subsaharienne subissent des coupures de courant régulières. Au Burkina Faso, on compte en moyenne **118 coupures par an**, sans que les ménages et les entreprises puissent les anticiper. Ce projet répond à une question simple : *Est-ce qu'il y a un risque de coupure de courant dans les prochaines heures à Ouagadougou ?* --- ## Solution Une application web qui prédit le **risque de coupure de courant** à partir de données météorologiques accessibles gratuitement via NASA POWER. L'utilisateur renseigne quelques paramètres (heure, mois, température, humidité, vent) et reçoit instantanément un niveau de risque, une probabilité et un conseil pratique adapté. **Démonstration en ligne :** huggingface.co --- ## Dataset | Source | Détails | |--------|---------| | NASA POWER | Données météo horaires, Ouagadougou 2024 | | Période | 01/01/2024 — 31/12/2024 | | Volume | 8 784 heures | | Variables | Température, humidité, vent, ensoleillement, pression | Source : power.larc.nasa.gov --- ## Feature engineering Les variables brutes ont été enrichies avec les éléments suivants : | Feature | Description | |---------|-------------| | `saison` | Saison africaine (sèche froide / sèche chaude / pluies) | | `periode` | Période de journée (nuit / matin / midi / après-midi / soir) | | `heat_index` | Indice de chaleur ressentie (combinaison température et humidité) | | `hour_sin / hour_cos` | Encodage cyclique de l'heure | | `month_sin / month_cos` | Encodage cyclique du mois | --- ## Modèle | Paramètre | Valeur | |-----------|--------| | Algorithme | Random Forest Classifier | | Nombre d'arbres | 100 | | Profondeur maximale | 8 | | Précision | 72.6% | | Découpage train / test | 80% / 20% | …