Codification automatique de l’APE à l’Insee

Ateliers concepteurs #1

Meilame Tayebjee

4 avril 2025

1️⃣ Contexte

Contexte

• Sirene est le répertoire des entreprises françaises
• Un code APE est attribué à chaque entreprise
• Début 2023:
  • Refonte du répertoire Sirene
  • Mise en place d’un guichet unique pour les formalités d’entreprises
  • Forte baisse de performance de l’outil de codification historique
  • Equipes Sirene déjà surchargées avant la refonte
• Conséquence : besoin d’un nouvel outil… en innovant

Données

• Prédiction du code APE à partir des descriptifs d’activités
• \(\approx\) 10 millions d’obs. issues de Sirene 3 couvrant la période 2014-2022
• Données labellisées par Sicore ou par un gestionnaire
• Structure hiérarchique de la nomenclature

La nomenclature hiérarchique de l’APE

Niveau	Code	Libellé	Taille
Section	H	Transports et entreposage	21
Division	52	Entreposage et services auxiliaires des transports	88
Groupe	522	Services auxiliaires des transports	272
Classe	5224	Manutention	615
Sous-classe	5224A	Manutention portuaire	732

Données utilisées

• Une observation consiste en :
• Description textuelle de l’activité - text
  • Code APE vrai labelisé par le moteur de règles –- APE_SICORE (732 modalités)
  • un descriptif textuel de l’activité – LIB_SICORE
  • la nature de l’activité – NAT (23 modalités)
  • le type de la liasse – TYP (15 modalités)
  • le type d’évènement – EVT (24 modalités)
  • la surface (\(m^2\))– SUR (4 modalités)

Schéma du fonctionnement du modèle fastText

• Un score de confiance pour chacun des labels
• Lors de l’entraînement, le modèle est censé apprendre à maximiser ce score pour le vrai label
• Une métrique pour évaluer la confiance du modèle en sa prédiction : l’indice de confiance

2️⃣ Situation actuelle

Le paysage administratif

Construction d’un indice de confiance

• Objectif : discriminer les mauvaises des bonnes prédictions.
• Indice de confiance retenu : différence entre les deux probabilités les plus élevées.

Mise en production actuelle

• 2 issues possibles :
  • codification automatique 🚀
  • reprise gestionnaire 🔍

Codification du flux de liasses

Reprise gestionnaire

Codification automatique sur l’IHM

Reprise gestionnaire sur l’IHM

3️⃣ Une modernisation continue

Des défis en cours

• Refonte du système de transfert du modèle entre le Lab et les équipes métiers, via une API locale sur Kubedev
• Surveillance des performances du modèle
• Changement de nomenclature (Sirene 4, NAF2025) nécessite des adaptations de méthodologie et des ré-entraînements réguliers
• Modernisation du modèle dans un contexte dynamique : internalisation du développement via le package torchFastText

Utilisation du modèle

• Modèle mis à disposition via une API conteneurisée :

viewof activite = Inputs.text( 
  {label: '', value: 'coiffure', width: 800}
)

urlApe = `https://codification-ape-test.lab.sspcloud.fr/predict?nb_echos_max=4&prob_min=0&text_feature=${activite}&type_liasse=C&event=01P`

d3.json(urlApe).then( res => {
  var IC, results;
  ( {IC, ...results} = res )

  IC = parseFloat(IC)

  const rows = Object.values(results).map( obj => {
    return `
    <tr>
      <td>${obj.code} | ${obj.libelle}</td>
      <td>${obj.probabilite.toFixed(3)}</td>
    </tr>
  `
  }).join('')
  
  return html`
  <table>
    <caption>
      Indice de confiance : ${IC.toFixed(3)}
    </caption>
    <tr>
      <th style="text-align:center;">Libellé (NA2008)</th>
      <th>Probabilité</th>
    </tr>
      ${rows}
  </table>`
})

import { debounce } from "@mbostock/debouncing-input"

Le modèle NAF 2025

viewof activite1 = Inputs.text(
  {label: '', value: 'coiffeur', width: 800}
)

viewof type_form = Inputs.text(
  {label: 'Type de la liasse', value: 'X', width: 80}
)
urlApe1 = `https://codification-ape-dev.lab.sspcloud.fr/predict?description_activity=${activite1}%20&type_form=${type_form}&event=01P&nb_echos_max=3&prob_min=0.0009`

d3.json(urlApe1).then( res => {
  var IC, results;
  ( {IC, ...results} = res )

  IC = parseFloat(IC)

  const rows = Object.values(results).map( obj => {
    return `
    <tr>
      <td>${obj.code} | ${obj.libelle}</td>
      <td>${obj.probabilite.toFixed(3)}</td>
    </tr>
  `
  }).join('')
  
  return html`
  <table>
    <caption>
      Indice de confiance : ${IC.toFixed(3)}
    </caption>
    <tr>
      <th style="text-align:center;">Libellé (NAF 2025)</th>
      <th>Probabilité</th>
    </tr>
      ${rows}
  </table>`
})

import { debounce } from "@mbostock/debouncing-input"