NB
Voir les autres projets
Logo Onlyone

Onlyone, banque écoresponsable, Paris

De la transaction à l'impact climatique

Onlyone Eco Coach

En tant que Lead Data Scientist chez Onlyone, j'ai conçu et mis en production l'Eco Coach, une suite de modèles ML qui estiment l'empreinte carbone de chaque transaction bancaire, accompagnent les utilisateurs vers une consommation plus éthique et exposent des insights actionnables directement dans l'application mobile.

Le contexte

Onlyone est une fintech proposant des solutions bancaires écoresponsables. Les utilisateurs voient leurs dépenses chaque jour, mais comprennent rarement leur impact environnemental. L'Eco Coach comble ce fossé, en transformant les transactions brutes en insights carbone personnalisés, recommandations et objectifs, via des modèles déployés en APIs ML sur Google Cloud Platform.

Le défi

Une transaction bancaire seule porte peu de signal environnemental : un paiement chez un commerçant ne dit rien du produit acheté, de sa chaîne d'approvisionnement ni de son intensité carbone. Construire un coach crédible exigeait de profiler les utilisateurs, d'enrichir des données éparses avec des bases de référence, et de livrer des explications auxquelles les utilisateurs pouvaient faire confiance, pas un score boîte noire.

  • Aucun détail produit dans les flux de transactions bancaires standards
  • Données carbone de référence (ADEME) structurées différemment des catégories marchands
  • Besoin de recommandations personnalisées et actionnables, pas de conseils éco génériques
  • Livraison mobile-first exigeant des APIs ML en production, à faible latence

Bases de référence

Données carbone officielles pour ancrer chaque estimation au niveau transaction.

  • ADEME

    ADEME

    Facteurs d'émission français pour biens, services et transport, rapprochés de chaque transaction par algorithmes de similarité.

Ce que j'ai mis en place

L'Eco Coach ne se résume pas à un score carbone. C'est une chaîne complète : estimer l'impact de chaque transaction, aider l'utilisateur à le comprendre, puis l'accompagner vers des choix plus éthiques.

Mesurer l'empreinte

Partir de transactions peu informatives pour produire une estimation carbone crédible, utilisateur par utilisateur.

  • Empreinte carbone des transactions

    Estime l'impact carbone de chaque transaction bancaire en profilant les utilisateurs, en clusterisant les habitudes de dépenses par ML, en calculant des moyennes par groupe, et en rapprochant les transactions de la base de référence ADEME via des algorithmes de similarité.

  • Segmentation utilisateurs

    Clustering non supervisé identifiant des archétypes comportementaux (fast-fashion consumers, low-carbon commuters, voyageurs occasionnels), pour personnaliser les stratégies de coaching et comparer les utilisateurs à leurs pairs.

Comprendre et suivre

Donner une lecture claire des habitudes de dépense, avec un score, des explications et une détection des dérives.

  • Statistiques & répartition des dépenses

    Dashboards interactifs et vues in-app décomposant les dépenses par catégorie, commerçant et intensité carbone, une vision claire de où vont l'argent et l'empreinte.

  • Score éco multidimensionnel

    Score composite construit à partir de multiples variables utilisateur, mix de dépenses, tendances par catégorie, progression vers les objectifs, avec des sorties de modèles interprétables et des recommandations concrètes pour l'améliorer.

  • Explications transparentes

    Pas de feature boîte noire : chaque classification vient avec une raison, pourquoi une transaction est classée à fort impact, comment l'équivalent CO₂ est calculé, et des comparaisons intuitives comme « équivalent à X km en voiture » ou « X repas ».

  • Détection d'anomalies

    Signale les pics inhabituels de dépenses à forte intensité carbone, les bascules soudaines vers le fast fashion ou d'autres habitudes carbonées, et le « glissement de profil » écologique, des changements que l'utilisateur ne remarque pas toujours.

Accompagner vers l'action

Transformer l'insight en leviers concrets : recommandations, objectifs, simulations et prévisions.

  • Recommandations de consommation éthique

    Moteur de content-based filtering qui suggère des alternatives éthiques en contexte, par ex. quand un utilisateur achète chez un fast-fashion, l'app propose des marques textiles durables alignées avec son profil et son budget.

  • Objectifs personnalisés

    Cibles de réduction estimées par ML, adaptées au profil de dépenses et à la progression historique de chaque utilisateur, des objectifs réalistes qui évoluent avec le comportement.

  • Simulation de choix éthiques

    Scénarios what-if comparant le coût carbone de choix de vie (voiture vs. train vs. avion, marques conventionnelles vs. éthiques), pour rendre les arbitrages tangibles et intuitifs.

  • Prévision des dépenses

    Modèles de séries temporelles prévoyant les dépenses futures et les trajectoires carbone, pour anticiper les tendances et ajuster les habitudes avant la fin du mois.

En production

Modèles déployés en services FastAPI et Flask sur GCP, intégrés à l'app mobile Onlyone et au stack analytique interne, utilisés quotidiennement par des utilisateurs finaux pour de vraies décisions de consommation.

  • Engagement quotidien

    Insights carbone et recommandations au moment de l'achat, transformer la banque passive en coaching éco actif.

  • Culture carbone

    Les utilisateurs comprennent non seulement combien ils dépensent, mais ce que ça coûte à la planète, avec des comparaisons qui rendent le CO₂ abstrait concret.

  • Coaching en autonomie

    Simulations, objectifs et prévisions permettent aux utilisateurs d'explorer leur propre chemin vers un impact réduit, sans dépendre d'analyses manuelles.

  • ML en production sur GCP

    Modèles servis via APIs avec monitoring et versioning, conçus pour les contraintes de fiabilité et de latence d'un produit mobile en production.

Stack technique

Modèles ML Python, APIs FastAPI et Flask sur GCP, couche données BigQuery, analytics Tableau, GitLab CI/CD

GCPBigQueryPythonFastAPIFlaskTableauGitLab CI/CD

L'Eco Coach a transformé le flux de transactions Onlyone en compagnon climatique crédible, personnalisé, explicable et prêt pour la production, donnant aux utilisateurs les outils pour aligner leurs dépenses avec leurs valeurs.