Ce mémoire a traité de l’implémentation d’un modèle de prédiction de la fructification du crédit financier perçu par les entrepreneurs de la ville de Butembo. L’objectif poursuivi en réalisant ce travail était de prédire si un entrepreneur résidant en ville de Butembo pourrait fructifier un crédit financier ou pas reçu auprès des sociétés des microfinances, des banques, des sociétés financières et des particuliers. Nous avons ainsi fait usage des algorithmes de l’apprentissage automatique. C’est en utilisant l’approche quantitative, avec des données primaires récoltées chez 868 enquêtés en ville de Butembo, que nous avons eu à appliquer huit modèles de prédiction, notamment le modèle SVM, la forêt aléatoire, l’Extra Trees, l’arbre de décision, les réseaux de neurones, le Gaussian Naive Bayes, le k-nearest neighbors (KNN) et la régression logistique. SVM est le modèle qui a mieux fait la prédiction de la fructification du crédit financier à travers les facteurs âge, ancienneté de l’entreprise, le mode de recouvrement, le jugement du mode de remboursement, le succès du projet, la volonté de prendre ultérieurement un crédit financier, le non besoin du recours au crédit, le désavantage du crédit et la satisfaction à la demande du crédit financier. Ce modèle a été évalué avec quatre mesures de performances notamment la mesure d’Accuracy qui a atteint le score de 85%, la mesure Recall qui a aussi atteint la performance de 85%; la précision qui a atteint 83% et le F-Score qui a aussi fait un score de 83%. C’est ainsi que nous avons déployé ce modèle en application web afin de permettre aux utilisateurs d’y accéder via une interface graphique.