Le problème à résoudre
L’ouverture de compte et la vérification d’identité (KYC) reposent sur une saisie manuelle de documents : lente, coûteuse et source d’erreurs. La dématérialisation bute sur l’incapacité à lire et vérifier automatiquement pièces d’identité et formulaires.
La promesse pour la direction
Votre développeur maîtrise la vision par ordinateur : lecture automatique de documents (OCR), vérification d’identité et détection de falsification — automatisant le KYC et l’entrée de données.
Ce que le parcours débloque
Automatisé
Temps d’ouverture de compte
Quasi nulles
Erreurs de saisie
Automatisée
Détection de faux documents
Le cadre
| Élément | Valeur |
|---|---|
| Profil cible | Développeur avec bases Python |
| Prérequis | Python, bases ML |
| Durée | 6 mois (accélérateur) |
| Format | Blended · 70 % de pratique |
Pile technique maîtrisée à l’issue
Python · OpenCV · Tesseract · PyTorch · MediaPipe · YOLO · FastAPI
Les jalons
Une trajectoire pour un collaborateur déjà en poste. Chaque mois est validé par un livrable et un critère d’acceptation écrit à l’avance.
| Mois | Thème | Atelier | Validation |
|---|---|---|---|
| M1 | Vision par ordinateur Fondamentaux | Traiter et classifier des images | ✔ Pipeline de vision opérationnel |
| M2 | OCR & extraction Lecture de documents | Extraire les données d’une pièce d’identité | ✔ Extraction fiable des champs |
| M3 | Vérification d’identité Comparaison faciale | Comparer une photo et un selfie | ✔ Vérification d’identité fonctionnelle |
| M4 | Détection de fraude documentaire Anti-falsification | Détecter un document falsifié | ✔ Falsification détectée |
| M5 | Industrialisation API de KYC | Exposer le KYC comme un service | ✔ Service KYC interrogeable |
| M6 | Projet vision KYC réel | Automatiser un parcours KYC réel | ✔ Soutenance + KYC en direct |