3.4.3 Outils de conception et de modélisation
? Figma
Figma est une plateforme collaborative pour éditer des
graphiques vectoriels et faire du prototypage. Elle permet de concevoir des
designs système pour faciliter la création de sites web et
d'applications mobiles. C'est une solution à destination des UI et UX
designers et des développeurs. L'interface propose de nombreuses
fonctionnalités :
- De design : avec des outils de conception
pour le web, des fonctions de mise en page automatique, des plugins pour
réduire les tâches répétitives.
- De prototypage : pour tester les concepts
très tôt en cours de design.
- De design system : pour concevoir des
designs cohérents avec des bibliothèques mises à jour en
permanence.
39
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
- Collaboratives : pour travailler à
plusieurs et en même temps sur un projet, revenir sur une version
antérieure si nécessaire ou encore afficher le travail d'un seul
collaborateur par exemple.
Il permet de :
- Créer des schémas : à
partir d'une feuille blanche ou vous servir des nombreux Templates disponibles
parmi des modèles classiques, des charts, des tableaux, etc ;
- Éditer le travail : en ajoutant des
images, des formes, des arrière-plans et en utilisant toutes les
fonctionnalités à disposition;
- Exporter les fichiers : en format XML, PDF,
JPG, PNG, SVG ou encore HTML.
· Visual Studio Code
Visual Studio Code est un éditeur de code
multiplateforme édité par Microsoft. Cet outil destiné aux
développeurs supporte plusieurs dizaines de langages informatiques comme
le HTML, C++, PHP, Javascript, CSS, etc. Visual Studio Code intègre
plusieurs outils facilitant la saisie de code par les développeurs comme
la coloration syntaxique ou encore le système d'auto-complétions
IntelliSense. En outre, l'outil permet aux développeurs de corriger leur
code et de gérer les différentes versions de leurs fichiers de
travail puisqu'un module de débogage est aussi de la partie.
3.4.4 Algorithme de prédiction
L'algorithme LSTM (Long Short-Term Memory) est une variante
des réseaux de neurones récurrents (RNN) qui permet de capturer
les dépendances temporelles à long terme dans une séquence
de données. Contrairement aux RNN traditionnels, l'algorithme LSTM est
capable de traiter des séquences de données plus longues en
évitant le problème de la disparition du gradient, qui limite la
capacité des RNN à mémoriser des informations à
long terme.
40
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
Selon l'article "Automated Agriculture Commodity Price
Prediction System with Machine Learning Techniques" de Chen et al.,
l'utilisation du modèle de réseaux de neurones récurrents
Long Short-Term Memory (LSTM) a démontré son efficacité
dans la prédiction des prix des produits agricoles. Les auteurs ont
comparé cinq algorithmes de machine learning populaires, à savoir
ARIMA, SVR, Prophet, XGBoost et LSTM, en utilisant de vastes ensembles de
données historiques en Malaisie (Z. Chen, H.S. Goh, K.L. Sin, K. Lim,
N.K.H. Chung, X.Y. Liew, 2021).
Les résultats ont montré que le modèle
LSTM surpassait les autres algorithmes en termes de performance. Lors des tests
à long terme, le modèle LSTM a amélioré les
performances moyennes de 45,5 % par rapport à l'ARIMA, et son erreur
quadratique moyenne (MSE) moyenne était de 0.304, ce qui était
meilleur que tous les autres algorithmes comparés.
Cette étude comparative suggère que le
modèle LSTM est particulièrement adapté à la
prédiction des prix des produits agricoles. En utilisant les
caractéristiques spécifiques de l'agriculture béninoise,
le modèle LSTM peut être ajusté pour fournir des
prédictions précises et fiables. Sa capacité à
capturer les dépendances temporelles à long terme dans les
données en fait un choix approprié pour anticiper les
fluctuations des prix agricoles.
Ainsi, en se basant sur les résultats de cette
étude comparative et en tenant compte des spécificités du
contexte agricole béninois, l'utilisation du modèle LSTM pour le
projet de prévision des prix des produits agricoles peuvent être
justifiée en raison de sa performance supérieure dans des
conditions similaires.
41
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
CHAPITRE 4 : MODELISATION ET DEVELOPPEMENT DE
L'ALGORITHME ET DE LA PLATEFORME
| 
