Cahier des charges  
Algorithme de détection automatique de  
faux billets  
Organisation nationale de lutte contre le  
faux-monnayage (ONCFM)  
Sommaire  
Contexte du projet  
3
3
Objectifs  
Modèle de données  
3
Dimensions géométriques  
3
Algorithme  
4
4
4
4
Langage  
Fonctionnement général  
Livrables attendus  
Calendrier  
5
6
6
Contexte et objectif  
Périmètre et fonctionnement  
Contexte du projet  
L’Organisation nationale de lutte contre le faux-monnayage, ou ONCFM,  
est une organisation publique ayant pour objectif de mettre en place des  
méthodes d’identification des contrefaçons des billets en euros. Dans le  
cadre de cette lutte, nous souhaitons mettre en place un algorithme qui  
soit capable de différencier automatiquement les vrais des faux billets.  
Objectifs  
Lorsqu’un billet arrive, nous avons une machine qui consigne l’ensemble  
de ses caractéristiques géométriques. Au travers de nos années de lutte,  
nous avons observé des différences de dimensions entre les vrais et les  
faux billets. Ces différences sont difficilement notables à l’œil nu, mais une  
machine devrait sans problème arriver à les différencier.  
Ainsi, il faudrait construire un algorithme qui, à partir des caractéristiques  
géométriques d’un billet, serait capable de définir si ce dernier est un vrai  
ou un faux billet.  
Modèle de données  
Dimensions géométriques  
Nous disposons actuellement de six informations géométriques sur un  
billet :  
● length : la longueur du billet (en mm) ;  
● height_left : la hauteur du billet (mesurée sur le côté gauche, en  
mm) ;  
● height_right : la hauteur du billet (mesurée sur le côté droit, en mm) ;  
● margin_up : la marge entre le bord supérieur du billet et l'image de  
celui-ci (en mm) ;  
● margin_low : la marge entre le bord inférieur du billet et l'image de  
celui-ci (en mm) ;  
● diagonal : la diagonale du billet (en mm).  
Ces informations sont celles avec lesquelles l’algorithme devra opérer.  
Fichier pour paramétrisation  
Nous vous laissons un fichier d’exemple contenant 1 500 billets, que vous  
pouvez utiliser comme bon vous semble pour paramétrer votre  
algorithme. Parmi ces 1 500 billets, 1 000 sont vrais et 500 sont faux ; une  
colonne a été ajoutée pour vous préciser la nature du billet.  
Dans un premier temps, nous souhaitons avoir une analyse descriptive des  
données, notamment la répartition des dimensions des billets, le nombre  
de vrais / faux billets, etc.  
Algorithme  
Langage  
L’algorithme peut être écrit soit en Python, soit en R : le choix est laissé  
libre au consultant chargé de sa réalisation.  
Fonctionnement général  
Comme vu précédemment, nous avons à notre disposition six données  
géométriques pour chaque billet. L’algorithme devra donc être capable de  
prendre en entrée un fichier contenant les dimensions de plusieurs billets,  
et de déterminer le type de chacun d’entre eux, à partir des seules  
dimensions. Nous fournissons à ce sujet le format type de nos fichiers de  
billets avec lequel l’algorithme sera censé fonctionner, au sein d’un fichier  
nommé billets_production.csv.  
Nous aimerions pouvoir mettre en concurrence deux méthodes de  
prédiction :  
● une régression logistique classique ;  
● un k-means, duquel seront utilisés les centroïdes pour réaliser la  
prédiction.  
Cet algorithme se devra d’être naturellement le plus performant possible  
pour identifier un maximum de faux billets au sein de la masse de billets  
analysés chaque jour.  
Pour une évaluation optimale des modèles, nous souhaitons avoir une  
analyse des nombres de faux positifs et faux négatifs via une matrice de  
confusion.  
Livrables attendus  
L’algorithme devra être livré au sein d’un notebook Python ou R. Il devra  
être fonctionnel avec le format de données ne comportant que les  
dimensions géométriques.  
Calendrier  
Le délai prévu pour l’expérimentation et la production de l’algorithme est  
d’un mois.