Contexte et objectif

• Développer une couche d’IA sous forme de microservice pour optimiser les stratégies tarifaires hôtelières.
• Le projet couvre la collecte de données concurrentielles, la modélisation prédictive, la détection d’anomalies et la recommandation automatique de prix.

Modules à développer

• Module d’optimisation des prix : implémenter un modèle prédictif pour déterminer le tarif optimal en tenant compte concurrence, saisonnalité, historique et contraintes de marge.
• Module d’alerting intelligent : mettre en place des modèles statistiques et heuristiques pour détecter anomalies et écarts de prix en temps réel afin d’alerter les gestionnaires.
• Module de recommandation tarifaire : construire un moteur de recommandation qui propose des prix optimisés basés sur les données concurrentielles collectées, avec ajustements automatiques et objectifs de rentabilité.

Technologies et architecture

• Stack proposée : Angular (front), FastAPI (microservices/API), MongoDB (stockage), n8n (orchestration), Machine Learning et Generative AI pour les modèles.
• Fournir le service sous forme de microservice conteneurisé (API REST), intégrable dans l’écosystème existant.

Missions et tâches principales

• Collecter et prétraiter les données (historique, concurrents, saisonnalité, marges) et construire pipelines vers MongoDB.
• Concevoir, entraîner et valider modèles ML pour prédiction de prix et détection d’anomalies ; expérimenter avec techniques génératives si pertinent.
• Développer API FastAPI pour exposer recommandations et alertes, et intégrer front Angular pour visualisation/monitoring.
• Automatiser workflows avec n8n (ingestion, ré-entraînement, notifications) et documenter pipelines CI/CD pour déploiement.

Livrables attendus

• Code source du microservice (API FastAPI) et du frontend minimal (Angular) pour démonstration.
• Modèles entraînés et notebooks d’expérimentation, métriques d’évaluation et tests reproductibles.
• Pipeline d’ingestion et d’orchestration (n8n), documentation technique, guide de déploiement et conteneur Docker.

Profil recherché et compétences

• Compétences requises : Python, machine learning (modélisation prédictive, détection d’anomalies), expérience avec FastAPI, MongoDB et notion de frontend Angular.
• Bonnes capacités en ingénierie des données, expérimentation ML, et automatisation (n8n ou équivalent). Capacité à travailler en binôme sur un projet complet.

Modalités pratiques

• Référence : SI2026-01 — Nombre de profils : 2 stagiaires — Durée : 4 mois (modalité : hybrid).
• Encadrement et suivi par l’équipe technique de Satisfy Insight, livrables intermédiaires et démonstrations périodiques.

📧 Pour postuler: contact@satisfyinsight.com