Le vocabulaire employé sur ce portfolio et dans le rapport, 127 termes,
expliqués d'abord en clair puis en détail pour qui veut aller plus loin. Aucune
connaissance préalable n'est supposée par le premier niveau.
Un mot vous manque en lisant une page ? Il est probablement ici.
/ pour chercher · ↑↓ pour parcourir · Entrée pour ouvrir
Famille · 12 termes
Métier & évaluation
Ce qu'on mesure, et pourquoi une erreur ne vaut pas l'autre.
Famille · 21 termes
Modélisation
Les modèles utilisés, et la façon de les entraîner honnêtement.
Famille · 26 termes
MLOps & mise en production
Ce qui sépare un modèle qui marche d'un modèle qui sert.
Famille · 22 termes
GenAI, LLM & RAG
Faire répondre un modèle de langage sur des documents qui lui sont propres.
Famille · 12 termes
Vision & renforcement
Apprendre à partir d'images, ou par essais et erreurs.
Famille · 9 termes
Données & ingénierie
Amener la donnée là où le modèle peut la lire.
Famille · 9 termes
Sécurité & conformité
Ce qu'impose un modèle qui décide du crédit de quelqu'un.
Famille · 8 termes
Conduite de projet
Le vocabulaire du rapport : cadrer, arbitrer, livrer, rendre compte.
Famille · 8 termes
Outils & web
L'outillage quotidien, côté code comme côté interface.
Les quatre garanties d'une base relationnelle sérieuse : une opération passe entièrement ou pas du tout, ne laisse jamais la base dans un état incohérent, ne se mélange pas aux autres opérations simultanées, et survit à une coupure de courant une fois confirmée. Ce sont ces garanties qui permettent d'écrire du code sans prévoir tous les cas où le serveur s'arrête au milieu d'un traitement.
En détail
Atomicité, cohérence, isolation, durabilité. C'est ce qui rend PostgreSQL préférable dès qu'un écart de données coûte de l'argent — un virement à moitié effectué n'est pas une option. L'isolation est celle des quatre qui se paie et se règle : le niveau par défaut laisse passer certaines anomalies de lecture, et le niveau sérialisable les élimine au prix d'un débit moindre et de transactions qui peuvent échouer et devoir être rejouées. Les bases distribuées relâchent souvent une partie de ces garanties pour tenir la charge, ce que résume le théorème CAP : on ne peut pas conserver simultanément la cohérence et la disponibilité quand le réseau se partitionne.
L'outil qui déclenche les traitements dans le bon ordre, à heure dite, et reprend là où ça s'est arrêté en cas d'échec. Le chef d'orchestre des chaînes de données : il sait que le nettoyage ne doit pas démarrer avant l'extraction, que telle tâche peut tourner en parallèle de telle autre, et il garde la trace de ce qui a réussi.
En détail
Les traitements sont décrits comme un graphe orienté sans cycle, avec dépendances, reprises et fenêtres d'exécution. Sa notion centrale est l'intervalle : chaque exécution correspond à une tranche de temps, ce qui permet de rejouer proprement une journée manquée plutôt que de relancer « maintenant ». La difficulté n'est pas l'outil mais l'idempotence des tâches qu'on lui confie — un ordonnanceur qui relance une tâche non idempotente aggrave l'incident au lieu de le réparer. Deux erreurs de conception reviennent souvent : mettre le traitement lourd dans le processus de l'ordonnanceur plutôt que de le déléguer, et écrire des dépendances implicites par le temps d'attente plutôt qu'explicites par le graphe.
rest · endpoint · point d'entrée · openapi · swagger
La façon standard de faire dialoguer deux programmes sur le web : une adresse par ressource, des verbes convenus pour lire ou écrire, et des codes de retour qui disent ce qui s'est passé. Sa force est d'être universellement comprise — n'importe quel langage, n'importe quel outil de ligne de commande, n'importe quel navigateur sait l'appeler sans bibliothèque particulière.
En détail
Ici GET /health pour la sonde de vie, POST /predict pour le score. Les codes comptent autant que les données : 422 signale une entrée invalide, à distinguer d'un 500, qui signale un défaut du service — la confusion entre les deux fausse toute lecture du taux d'erreur, puisqu'elle attribue au service des fautes qui viennent de l'appelant. Les verbes portent des garanties attendues par les intermédiaires : GET ne doit rien modifier et peut être mis en cache ou rejoué, POST ne l'est pas. Un corps d'erreur structuré, avec un message exploitable et sans trace d'exécution, évite à l'intégrateur de deviner. Le versionnement de l'interface se prévoit dès la première version, quand il ne coûte encore rien.
Un agent apprend en essayant, en observant le résultat et en recevant une récompense. Personne ne lui montre la bonne réponse : il la découvre par tâtonnements, comme on apprend à faire atterrir une fusée. C'est ce qui le distingue de l'apprentissage supervisé, où chaque exemple vient avec sa correction. En contrepartie, il faut un environnement dans lequel l'agent puisse se tromper des milliers de fois sans conséquence.
En détail
Formalisé par un processus de décision markovien : états, actions, transitions, récompenses, et un facteur d'actualisation qui arbitre entre gain immédiat et gain futur. Gymnasium fournit les environnements, stable-baselines3 les algorithmes éprouvés. La conception de la récompense est la difficulté centrale — un agent optimise ce qu'on mesure, pas ce qu'on veut — et le second obstacle est le compromis entre exploration et exploitation : trop exploiter fige l'agent sur une stratégie médiocre trouvée tôt, trop explorer l'empêche de converger. En pratique, l'entraînement est instable et sensible à la graine aléatoire, ce qui impose de rapporter les résultats sur plusieurs exécutions plutôt que sur la meilleure.
Tirer parti d'une grande quantité d'images non étiquetées, en plus des quelques-unes qui le sont. Annoter des IRM coûte cher et demande un radiologue : autant exploiter le reste, qui contient de l'information sur la structure des données même sans étiquette. Le principe : laisser le modèle apprendre d'abord à organiser ce qu'il voit, puis ne lui montrer les étiquettes qu'à la fin, quand il a déjà compris de quoi les images sont faites.
En détail
Ici, pré-entraînement par pseudo-étiquettes issues d'un clustering des représentations, puis affinage supervisé sur la fraction annotée. Le risque à surveiller est l'amplification des erreurs du clustering : une pseudo-étiquette fausse est apprise avec la même conviction qu'une vraie, et le modèle se renforce dans son erreur — d'où l'intérêt de ne retenir que les pseudo-étiquettes dont la confiance dépasse un seuil, et de mesurer la performance finale uniquement sur des données réellement annotées, jamais sur les pseudo-étiquettes. La famille voisine de l'apprentissage auto-supervisé par contraste, qui apprend à rapprocher deux vues augmentées d'une même image, donne aujourd'hui de meilleurs résultats mais demande davantage de calcul.
Choisir entre deux options qui ont chacune leur prix, et assumer ce qu'on abandonne. ONNX allégeait le modèle de 39 % : écarté quand même, parce que la fiabilité passait devant le gain de taille. Un arbitrage n'est pas un compromis mou où l'on prend un peu des deux — c'est une décision qui perd volontairement quelque chose, et qui n'a de valeur que si le renoncement est nommé.
En détail
Un arbitrage se documente avec ce qu'on a écarté et pourquoi, sinon il se rejoue tous les six mois par quelqu'un qui ignore qu'il a déjà été tranché. Le format utile tient en quatre lignes : le choix retenu, les options écartées, le critère qui a départagé, et la condition qui justifierait de revenir dessus. Cette dernière ligne est la plus souvent oubliée alors qu'elle transforme une décision figée en décision révisable : « à reconsidérer si le volume dépasse tant » vaut mieux qu'un choix qu'on n'ose plus toucher. C'est ce que porte le tableau des choix techniques du rapport.
Le fichier produit par l'entraînement, qui contient le modèle appris — ses arbres, ses poids, et les transformations qui l'accompagnent. C'est lui qu'on versionne et qu'on déploie, pas le code qui l'a créé : deux exécutions du même script sur les mêmes données ne donnent pas nécessairement le même fichier, et c'est bien celui qui tourne en production qu'il faut pouvoir identifier.
En détail
Sérialisé par joblib ou pickle, formats liés aux versions de bibliothèques : recharger avec une version différente peut échouer, ou pire, réussir en modifiant silencieusement le comportement. D'où l'épinglage strict des versions dans l'image servie, et l'intérêt d'enregistrer avec le modèle sa signature — noms, types et ordre des colonnes attendues. Deux précautions de sécurité : un fichier pickle exécute du code à son chargement, il ne doit donc jamais provenir d'une source non fiable ; et l'artefact doit porter une empreinte vérifiable, pour qu'on puisse affirmer que le fichier servi est bien celui qui a été validé. Un artefact sans le code, les données et les paramètres qui l'ont produit reste un objet opaque qu'on ne saura pas reconstruire.
Une note obtenue en n'évaluant chaque dossier qu'avec un modèle qui ne l'a jamais vu pendant son entraînement. C'est la seule façon d'annoncer un score sans se mentir à soi-même : un modèle interrogé sur les données qui l'ont formé récite plutôt qu'il ne prédit, et affiche une performance qu'il ne tiendra pas en production. Le chiffre out-of-fold est presque toujours plus bas que le chiffre d'entraînement ; c'est justement ce qui le rend crédible.
En détail
En validation croisée, chaque observation reçoit la prédiction du pli où elle se trouvait en test. Concaténer ces prédictions donne une estimation non optimiste sur l'intégralité du jeu, et non sur un seul échantillon de validation, ce qui réduit la variance de l'estimation. Ce vecteur sert deux fois : à annoncer la performance — l'AUC de 0,78 est une AUC out-of-fold — et à calibrer le seuil de décision, qui serait biaisé s'il était réglé sur des scores d'entraînement. C'est aussi la base des méthodes d'empilement, où les prédictions out-of-fold d'un premier niveau deviennent les variables d'entrée d'un second.
Une note sur 1 qui dit si le modèle sait classer les mauvais payeurs devant les bons. 0,5 vaut un tirage au sort, 1 serait parfait, et 0,78 signifie que dans 78 % des cas où l'on tire au hasard un dossier en défaut et un dossier sain, le premier reçoit bien le score le plus élevé. Sa particularité : elle ne dépend d'aucun seuil. Elle juge la qualité du classement, pas celle de la décision — deux questions qu'il vaut mieux ne pas confondre.
En détail
Aire sous la courbe ROC, tracée en faisant varier le seuil et en reportant le taux de vrais positifs contre le taux de faux positifs. Elle s'interprète comme la probabilité qu'un positif tiré au hasard reçoive un score supérieur à celui d'un négatif, ce qui la rend insensible au déséquilibre des classes — la raison de son usage ici, où les défauts sont rares. Ses limites méritent d'être connues : elle ne dit rien du calibrage des probabilités, ni du coût des erreurs, et deux modèles d'AUC identique peuvent produire des factures métier très différentes. Sur données très déséquilibrées, la précision moyenne (aire sous la courbe précision-rappel) est souvent plus discriminante.
Regarder l'existant avant de proposer quoi que ce soit : la qualité des données, ce que vaut le modèle en place, ce qui manque pour le mettre en production. On y trouve souvent que le problème n'est pas celui qu'on croyait — un modèle jugé insuffisant se révèle correct mais mal servi, ou entraîné sur des données qui n'existent plus au moment de la prédiction. Commencer par mesurer coûte quelques jours et évite parfois des mois de développement inutile.
En détail
Se conclut par des correctifs classés par impact et par effort, pas par une liste de reproches. Les points regardés en priorité : la reproductibilité de l'entraînement, l'honnêteté de la mesure de performance — validation croisée ou simple découpage, fuite de données éventuelle —, la présence d'une référence simple à laquelle comparer, et la distance entre le code du notebook et ce qui tourne réellement. Un audit utile produit aussi ce qui manque : la procédure pour reproduire un chiffre annoncé, quand personne ne sait plus d'où il vient. C'est le format de la prestation d'audit annoncée sur ce portfolio.
Le modèle simple qu'on construit d'abord, exprès, pour avoir un point de comparaison. Sans lui, impossible de dire si le modèle compliqué qui suit sert à quelque chose : une AUC de 0,78 n'a aucun sens tant qu'on ignore ce que donnerait une régression logistique en dix lignes. Il arrive plus souvent qu'on ne l'admet que l'écart ne justifie pas la complexité ajoutée.
En détail
Régression logistique ou forêt aléatoire aux réglages par défaut. Toute complexité ajoutée ensuite doit démontrer un gain sur la métrique métier, pas seulement sur l'AUC — un modèle qui gagne 0,01 d'AUC mais coûte trois fois plus en temps de réponse et devient inexplicable n'est pas un progrès. La référence utile ne s'arrête d'ailleurs pas au modèle : la règle métier existante, quand il y en a une, est la vraie base de comparaison, puisque c'est elle qu'on remplace. Une référence encore plus basse mérite d'être calculée — prédire toujours la classe majoritaire — pour savoir ce que vaut une métrique sur des données déséquilibrées.
batch · traitement par lots · temps réel · streaming
Deux façons de servir un modèle. En lots : calculer tous les scores chaque nuit et les ranger dans une table où l'application viendra les lire. En temps réel : répondre à la demande, en quelques millisecondes, sur des données qui n'existaient pas la veille. Ce projet fait le second, parce qu'un conseiller attend au téléphone pendant que la décision se calcule.
En détail
Le batch coûte moins cher, se supervise plus simplement et tolère une panne — on relance le traitement — mais sert des scores périmés, et ne sait rien faire d'un dossier créé il y a dix minutes. Le temps réel impose la disponibilité, la latence maîtrisée et une gestion d'erreur qui répond quelque chose plutôt que rien. Le choix se fait sur la fraîcheur exigée par l'usage, pas sur l'élégance technique. Un piège spécifique aux modèles : les variables d'entrée doivent être calculables au moment de la requête, ce qui exclut toute agrégation qui ne serait disponible qu'en fin de journée — contrainte à vérifier au cadrage, car elle invalide parfois des variables qui amélioraient nettement la performance en apprentissage.
Un modèle entraîné sur le passé reproduit les inégalités du passé. En crédit, il peut refuser plus souvent certains profils sans que personne ne l'ait voulu — et sans que ça se voie dans la performance globale, qui reste excellente parce que la population concernée est minoritaire. Le biais n'est pas une faute de code : c'est ce que le modèle a correctement appris d'un historique qui portait déjà le problème.
En détail
Se traque en mesurant les taux d'erreur par sous-population, pas seulement en moyenne : un écart de taux de faux positifs entre deux groupes est invisible dans une AUC globale. Retirer la variable sensible ne suffit pas — d'autres la reconstituent par corrélation, à commencer par le code postal, mais aussi le type de contrat ou l'ancienneté bancaire. Les définitions d'équité sont par ailleurs mutuellement incompatibles : parité démographique, égalité des chances et calibrage par groupe ne peuvent être satisfaits simultanément dès que les taux de base diffèrent, résultat démontré et non contournable. Il faut donc choisir laquelle on vise, l'écrire, et assumer ce qu'on abandonne.
La phase où l'on établit ce qu'il faut construire et pourquoi, avant d'écrire la moindre ligne. On y répond à quatre questions : quel problème métier, pour qui, à quoi reconnaîtra-t-on que c'est réussi, et qu'est-ce qu'on ne fera pas. Mal cadrer, c'est livrer proprement quelque chose dont personne n'avait besoin — l'échec le plus coûteux, parce qu'il ne se voit qu'à la fin. Un bon cadrage tient en quelques pages et se relit à mi-parcours pour vérifier qu'on n'a pas dérivé.
En détail
Produit le besoin métier central, les besoins fonctionnels et non fonctionnels, et surtout les critères qui diront si c'est réussi. Les besoins non fonctionnels sont ceux qu'on oublie le plus volontiers alors qu'ils dimensionnent tout : latence acceptable, volumétrie, disponibilité, contraintes réglementaires. Sur un projet de modèle, deux points méritent d'être tranchés dès cette phase — la métrique d'arbitrage, parce qu'elle décidera de tous les choix suivants, et la disponibilité réelle des données, qui invalide plus de projets qu'aucune difficulté algorithmique. Le rapport de ce portfolio s'ouvre là-dessus, avant toute question technique.
La moyenne cache les mauvais moments. Si neuf requêtes reviennent en 50 millisecondes et la dixième en trois secondes, la moyenne reste flatteuse alors qu'un utilisateur sur dix a attendu. Dire que 95 % des réponses arrivent en moins de tant, c'est décrire ce que vivent vraiment les gens, y compris les malchanceux. Le 99e centile, lui, décrit le pire ordinaire : ce qui arrive une fois sur cent, donc plusieurs fois par jour sur un service un peu fréquenté.
En détail
Sur des temps de réponse, la distribution est asymétrique à droite : la moyenne reste basse pendant que la queue s'allonge. Un engagement de service se rédige toujours en centiles, jamais en moyenne. Deux pièges classiques : les centiles ne s'additionnent pas — le p99 d'une chaîne de trois services n'est pas la somme de leurs p99, il est pire — et ils ne se moyennent pas non plus entre deux fenêtres de temps, ce que font pourtant beaucoup d'outils d'agrégation. Sur un appel qui traverse plusieurs composants, la latence perçue est dominée par le maillon le plus lent, pas par le plus fréquent.
Découper les documents en morceaux avant de les indexer. Trop gros, le passage retrouvé noie l'information utile dans du texte hors sujet et consomme du contexte pour rien ; trop petits, il perd le contexte qui le rendait compréhensible — un paragraphe dont le sujet était nommé deux phrases plus haut. C'est un réglage qui décide de la qualité du RAG, souvent plus que le choix du modèle.
En détail
Découpage par nombre de tokens avec recouvrement, en respectant les frontières naturelles du document — titres, paragraphes, listes — plutôt qu'en coupant à intervalle fixe au milieu d'une phrase. Le couple taille/recouvrement se règle empiriquement, en mesurant le rappel sur des questions de référence, jamais par principe. Deux techniques améliorent nettement le résultat sans changer l'index : préfixer chaque fragment du titre de sa section, pour qu'il reste interprétable isolément, et dissocier ce qu'on indexe de ce qu'on injecte — retrouver un petit fragment précis, puis fournir au modèle le passage élargi qui l'entoure. Les documents structurés, tableaux en tête, demandent un traitement à part : découpés naïvement, ils perdent leur en-tête et deviennent illisibles.
Une chaîne automatique déclenchée à chaque modification du code : elle lance les tests, construit l'image, et ne déploie que si tout est vert. Personne ne met en ligne à la main, ce qui supprime d'un coup toute une famille d'incidents — l'étape oubliée, la version pas tout à fait la même, la machine de celui qui était en congé.
En détail
Ici GitHub Actions : push sur main → pytest avec seuil de couverture → build Docker → déploiement sur Hugging Face Spaces. Un test rouge arrête la chaîne avant le déploiement. Deux principes rendent la chaîne utile plutôt que décorative : elle doit être bloquante — une CI qu'on peut contourner ne protège de rien — et rapide, une chaîne de vingt minutes finissant par être ignorée. Sur ce dépôt, elle vérifie aussi que les artefacts générés n'ont pas divergé de leur source : l'index de recherche et le glossaire sont régénérés puis comparés, et un écart fait échouer la construction. Un fichier généré qui n'est pas contrôlé de cette façon finit toujours par ne plus correspondre à ce qui l'a produit.
Deux familles de problèmes, qui se distinguent par la nature de ce qu'on prédit. Classifier, c'est ranger dans des catégories : ce client fera défaut, ou non ; cette image contient une tumeur, ou non. Régresser, c'est prédire un nombre sur une échelle continue : cette maison consommera tant de kilowattheures, ce trajet durera tant de minutes. Le choix n'est pas toujours imposé — on peut prédire un montant puis le comparer à un seuil — et il détermine les métriques comme les modèles disponibles.
En détail
Le scoring crédit est une classification binaire dont on exploite la probabilité plutôt que l'étiquette ; Seattle Energy est une régression multi-cibles. La régression logistique, malgré son nom, classe : elle modélise le logarithme de la cote et sert de référence interprétable, chaque coefficient se lisant comme un rapport de cotes. Les métriques diffèrent radicalement — AUC, précision et rappel d'un côté ; erreur absolue moyenne, RMSE et R² de l'autre — et une erreur de régression se juge toujours au regard de l'ordre de grandeur de la cible, ce qu'un pourcentage d'erreur relative exprime mieux qu'une valeur brute.
Louer chez un grand fournisseur des services déjà administrés — machines, bases de données, files d'attente, entraînement de modèles — plutôt que de les installer et de les maintenir soi-même. On y gagne du temps, de la robustesse et des mécanismes de reprise qu'on n'écrirait pas seul ; on y perd en maîtrise du coût et en portabilité, chaque fournisseur ayant ses interfaces propres.
En détail
Une limite que j'assume : mes déploiements tournent sur Azure, Docker et Hugging Face, et ma pratique d'AWS et GCP est en montée. Les concepts d'industrialisation s'y transposent — conteneur, registre d'images, variables d'environnement, journalisation centralisée, montée en charge horizontale sont les mêmes objets sous d'autres noms — et c'est l'outillage propre à chaque fournisseur qui s'apprend. Deux points structurent le choix en pratique : le modèle de facturation, où le transfert sortant et les requêtes coûtent souvent plus que le calcul lui-même, et le degré d'adhérence accepté, un service très intégré étant plus rapide à mettre en place et plus difficile à quitter. Une infrastructure décrite en code reste le meilleur garde-fou contre la configuration à la main, quel que soit le fournisseur.
Regrouper automatiquement des données qui se ressemblent, sans qu'on ait dit à l'avance ce qu'on cherche. Utile pour découvrir une structure — quels types de dossiers existent réellement dans un portefeuille — ou pour fabriquer des étiquettes quand on n'en a pas. La difficulté est qu'il n'existe pas de bonne réponse vérifiable : le résultat dépend de la mesure de ressemblance choisie, et deux mesures raisonnables donnent deux découpages différents.
En détail
Mélange gaussien (GMM) sur les représentations extraites, qui donne une appartenance probabiliste plutôt qu'une affectation dure — utile ici, où un cas ambigu doit pouvoir être écarté plutôt que forcé dans un groupe. Le nombre de groupes se choisit par critère d'information (BIC, AIC) ou par coefficient de silhouette, aucun des deux n'étant décisif : ils orientent, ils ne tranchent pas. Deux précautions comptent plus que le choix de l'algorithme : mettre les variables à la même échelle, sans quoi celle de plus grande amplitude domine la distance, et se méfier de la malédiction de la dimension — au-delà de quelques dizaines de dimensions, les distances se resserrent et la notion de voisinage perd son sens, d'où la réduction préalable.
Faire lire des images à un modèle : reconnaître ce qu'elles contiennent, en délimiter les zones, y détecter une anomalie. Sur les projets d'ici : IRM cérébrales et vêtements. La difficulté propre au domaine est que l'information utile ne tient pas dans les pixels pris un par un mais dans leur voisinage — un contour, une texture, un rapport de proportions — ce qui explique l'architecture particulière des modèles employés.
En détail
Réseaux convolutifs et, plus récemment, transformeurs de vision qui découpent l'image en imagettes traitées comme une séquence. Les tâches se distinguent par leur granularité, et le coût d'annotation suit la même échelle : classification pour l'image entière — une étiquette par image —, détection pour des boîtes englobantes, segmentation pour chaque pixel, cette dernière demandant des heures de tracé par lot d'images. Le prétraitement pèse autant que le modèle : normalisation avec les statistiques du jeu de pré-entraînement, redimensionnement cohérent entre apprentissage et inférence, et augmentation de données choisie selon ce qui a un sens physique — une IRM ne se retourne pas verticalement sans changer de signification anatomique.
validation des données · great expectations · qualité des données
Écrire noir sur blanc ce qu'on attend des données entrantes — colonnes présentes, types, bornes, taux de vide acceptable, valeurs autorisées — et refuser ce qui s'en écarte, au lieu de le découvrir par un modèle qui déraille trois semaines plus tard. C'est un contrat au sens propre : il engage aussi celui qui produit la donnée, et rend visible qui doit corriger quand il est rompu.
En détail
Great Expectations ou Pandera posent ces attentes en tests exécutables, en amont de la chaîne, et produisent un rapport d'écart lisible plutôt qu'une exception nue. La question qui se tranche au cadrage n'est pas technique mais organisationnelle : que fait-on d'un lot non conforme ? Le rejeter arrête la chaîne, le laisser passer contamine le modèle, l'isoler pour examen demande quelqu'un pour l'examiner. C'est la limite identifiée sur ce projet : la validation d'entrée n'y est que partielle, la validation Pydantic de l'API couvrant la forme de chaque requête mais pas la cohérence statistique des lots. Un contrat se versionne comme du code, et son évolution se négocie avec le producteur plutôt que subie.
L'opération qui promène un petit filtre sur toute l'image pour y repérer un motif — un contour, une texture — où qu'il se trouve. Le même filtre servant partout, le modèle n'a pas besoin de réapprendre à reconnaître un bord en haut à gauche puis en bas à droite. C'est le mécanisme de base de la vision par ordinateur, et la raison pour laquelle ces réseaux ont autant moins de paramètres qu'un réseau dense équivalent.
En détail
Les poids sont partagés sur toute l'image, ce qui réduit massivement le nombre de paramètres et apporte l'invariance par translation. Les couches de pooling réduisent la résolution en gardant le signal dominant, augmentant au passage le champ réceptif — la portion d'image que voit un neurone donné —, qui croît avec la profondeur et détermine la taille des structures que le réseau peut percevoir. Les paramètres de pas, de remplissage et de dilatation contrôlent ce compromis entre résolution conservée et étendue vue. Une convolution n'est en rien magique : c'est un produit scalaire glissant, opération que les cartes graphiques exécutent extrêmement bien, ce qui explique autant son succès que ses propriétés mathématiques.
Deux variables qui évoluent ensemble. Cela ne dit rien de la cause : le nombre de pompiers présents monte avec les dégâts d'un incendie, sans que les pompiers y soient pour quelque chose — c'est la taille du feu qui explique les deux. Confondre les deux est l'erreur de lecture la plus répandue sur un tableau de corrélations, et elle conduit à des décisions qui n'ont aucun effet.
En détail
Le coefficient de Pearson ne mesure qu'une relation linéaire : deux variables liées par une courbe en cloche peuvent afficher une corrélation nulle tout en étant parfaitement dépendantes, d'où l'intérêt de Spearman, qui travaille sur les rangs et capte toute relation monotone. Deux variables trop corrélées dégradent l'interprétation — leur importance se répartit arbitrairement entre elles selon le hasard de l'entraînement — sans nécessairement nuire à la prédiction ; SHAP hérite partiellement de ce défaut. En modélisation de crédit, la corrélation sert surtout à repérer les variables redondantes et celles qui reconstituent une caractéristique protégée, le code postal en tête.
La règle qui décide quels sites ont le droit d'appeler votre API depuis un navigateur. Ouverte à tous, n'importe quelle page peut consommer votre service et le facturer à votre place ; restreinte, elle limite les usages non prévus. Attention au contresens le plus fréquent : ce n'est pas une protection de l'API, c'est une protection du visiteur d'un autre site contre des requêtes faites en son nom.
En détail
Contrôle appliqué par le navigateur, pas par le serveur : un appel direct hors navigateur — curl, un script Python, un autre serveur — n'en tient aucun compte. Ce n'est donc pas un mécanisme d'authentification, et le confondre avec tel est une erreur classique qui laisse une API réputée « protégée par CORS » entièrement ouverte. Les requêtes qui sortent du cadre simple déclenchent une pré-vérification par la méthode OPTIONS, dont l'oubli côté serveur produit des échecs difficiles à lire, le message d'erreur du navigateur ne nommant pas la cause. Combiner un caractère générique avec l'envoi d'identifiants est refusé par la spécification, ce qui impose de lister les origines explicitement.
Toutes les erreurs ne coûtent pas pareil. Prêter à quelqu'un qui ne remboursera pas fait perdre le capital ; refuser un bon client ne fait perdre qu'une marge commerciale. Un modèle jugé sur son pourcentage de bonnes réponses traite pourtant ces deux fautes à égalité, ce qui revient à ignorer la réalité de la banque. Le coût métier remet les proportions en place : on ne mesure plus un taux de réussite, on additionne une facture, et c'est cette facture qu'on cherche à réduire.
En détail
La pénalité retenue ici est de 10 × faux négatifs + 1 × faux positifs, rapport tiré de l'écart entre un capital perdu et une marge manquée. On n'optimise plus l'exactitude mais cette somme, ce qui déplace mécaniquement le seuil optimal vers le bas et assume davantage de refus à tort. Deux conséquences pratiques : le modèle le mieux classé par l'AUC n'est pas nécessairement celui qui minimise le coût, et le rapport de pondération devient un paramètre métier, discuté avec le client plutôt que choisi par le data scientist. Le changer ne demande pas de réentraîner, seulement de rebalayer le seuil.
Un modèle qui lit la question et le passage ensemble pour juger s'ils vont de pair, au lieu de les résumer chacun de son côté puis de comparer les résumés. Plus juste, parce qu'il peut voir qu'un mot de la question trouve précisément sa réponse dans le passage — mais bien plus lent, d'où son usage sur une poignée de candidats seulement.
En détail
Le bi-encoder vectorise question et documents indépendamment, ce qui permet d'indexer tout le corpus à l'avance et de ne calculer qu'un vecteur au moment de la requête ; le cross-encoder exige un passage du modèle par paire, donc aucun index n'est possible et le coût croît linéairement avec le nombre de candidats. Les deux se combinent naturellement : recherche large et bon marché, puis reclassement fin sur les vingt à cinquante meilleurs. Une troisième famille, les modèles à interaction tardive, tient un vecteur par token et cherche un compromis entre les deux, au prix d'un index nettement plus volumineux. Le gain d'un reclasseur se mesure toujours sur le rappel de la chaîne complète, jamais sur le score du reclasseur isolé.
content security policy · politique de sécurité du contenu
Une consigne envoyée au navigateur qui liste précisément d'où la page a le droit de charger du code, des images ou des polices. Tout ce qui n'est pas sur la liste est bloqué, ce qui coupe court à l'injection de scripts : même si un attaquant parvient à glisser une balise dans la page, le navigateur refusera d'exécuter ce qu'elle appelle. C'est une défense en profondeur, qui suppose que le reste a déjà échoué.
En détail
Posée en en-tête par la fonction Edge sur le domaine principal, et en balise meta pour l'origine servie sans en-têtes. La directive frame-ancestors fait exception : seul l'en-tête peut la porter, une meta est ignorée pour celle-ci. La difficulté pratique est le script en ligne, que la politique interdit par défaut — il faut soit l'externaliser, soit lui donner un nonce régénéré à chaque réponse, ce qui exclut les pages entièrement statiques. Le mode report-only permet de déployer une politique en observation avant de la rendre bloquante, et d'éviter de casser la page en découvrant la liste réelle des ressources chargées.
Le monde change, les données d'entrée changent avec lui, et le modèle — figé le jour de son entraînement — se dégrade sans rien signaler. Aucune erreur n'apparaît : le service répond toujours 200, avec des scores qui ont l'air normaux. On surveille donc l'écart entre les données d'aujourd'hui et celles d'origine, faute de pouvoir surveiller directement une performance dont la vérité n'arrivera que des mois plus tard.
En détail
Comparaison de la distribution de production à une référence, variable par variable, par tests statistiques — Kolmogorov-Smirnov pour du continu, khi-deux pour du catégoriel — ou par un indice d'écart comme l'indice de stabilité de population. À distinguer du concept drift, où c'est la relation entre variables et cible qui se déforme : les entrées restent identiques mais ne signifient plus la même chose, cas que la surveillance des distributions ne détecte pas. Détecté ici par Evidently sur les journaux de prédictions. Deux précautions : tester des dizaines de variables produit des alertes par le seul jeu du hasard, ce qui impose de corriger le seuil ou de hiérarchiser par importance ; et une dérive détectée n'appelle pas mécaniquement un réentraînement — encore faut-il qu'elle porte sur des variables qui pèsent dans la décision.
La méthode d'apprentissage de presque tous les modèles modernes : mesurer l'erreur, regarder dans quelle direction elle diminue, faire un petit pas dans cette direction, recommencer. Le taux d'apprentissage est la taille du pas. Rien de plus — et pourtant c'est ce mécanisme, répété des milliers de fois, qui produit aussi bien un modèle de crédit qu'un modèle de langage.
En détail
Trop grand, le pas fait osciller l'optimisation sans converger ; trop petit, elle traîne et se fige dans un minimum local. En pratique on n'utilise jamais le gradient sur toutes les données à la fois mais sur des lots successifs, ce qui introduit un bruit utile pour s'échapper des minima étroits. Les optimiseurs modernes — Adam et ses variantes — adaptent le pas par paramètre à partir des gradients passés, ce qui réduit la sensibilité au réglage initial sans la supprimer. En boosting, la logique est la même mais s'applique dans l'espace des fonctions : chaque arbre approche le gradient de la perte, et un taux faible compensé par davantage d'arbres donne en général le meilleur compromis.
Quand le cas qu'on cherche est rare — moins d'un dossier sur dix ici — un modèle paresseux qui répond toujours « tout va bien » a l'air excellent : il a raison neuf fois sur dix, sans avoir rien appris. Deux corrections s'imposent. Changer de mesure d'abord, pour que ce modèle-là soit démasqué. Puis donner plus de poids aux cas rares pendant l'entraînement, afin que les manquer coûte réellement quelque chose au modèle.
En détail
Traité ici par pondération des classes (class_weight='balanced') plutôt que par ré-échantillonnage, afin de ne pas fausser les probabilités prédites, dont le seuil dépend directement. Le sur-échantillonnage synthétique de type SMOTE crée des exemples qui n'existent pas et déforme la distribution apprise ; le sous-échantillonnage jette de l'information durement acquise. La pondération, elle, se contente de multiplier la contribution des cas rares dans la fonction de perte. À noter : la validation croisée doit être stratifiée, sans quoi un pli peut se retrouver presque sans cas positifs et rendre une métrique instable.
Les raccourcis pris pour aller vite, qui se paient plus tard avec intérêts. Le journal en fichier de ce projet en est un : assumé, documenté, chiffré — c'est ce qui sépare une dette d'un oubli. Toute dette n'est pas mauvaise : emprunter du temps pour tenir une échéance est une décision légitime, à condition de savoir ce qu'on devra rembourser et quand. Ce qui coûte cher, c'est la dette qu'on a contractée sans s'en apercevoir.
En détail
Devient dangereuse quand elle n'est plus recensée : personne ne sait plus ce qui est délibéré et ce qui est accidentel, et chaque modification se fait à l'aveugle. Un registre tenu à jour nomme le raccourci, la raison, le coût estimé du remboursement et le signal qui indiquera qu'il faut payer — « à remplacer par une base dès que le volume dépasse tant ». En apprentissage automatique, la dette prend des formes propres au domaine : dépendances de données non déclarées, variables calculées différemment à l'entraînement et en production, modèles empilés dont personne ne sait plus lequel décide. Les limites assumées du rapport tiennent ce registre.
loi de distribution · asymétrie · queue de distribution
La façon dont les valeurs d'une variable se répartissent : où elles se concentrent, jusqu'où elles s'étendent, si elles sont symétriques ou penchent d'un côté. C'est la comparaison de deux distributions — celle d'hier et celle d'aujourd'hui — qui révèle qu'un modèle vieillit, souvent bien avant que la performance mesurée ne bouge.
En détail
Rarement gaussienne sur des données réelles : revenus et montants de crédit sont fortement asymétriques à droite, une minorité de valeurs très élevées tirant la moyenne loin de ce qui est typique. D'où la préférence pour la médiane et les centiles plutôt que la moyenne et l'écart-type, et l'usage fréquent d'une transformation logarithmique pour rendre ces variables exploitables par les modèles sensibles à l'échelle. Comparer deux distributions se fait par test statistique — Kolmogorov-Smirnov pour du continu, khi-deux pour du catégoriel — ou par un indice d'écart comme l'indice de stabilité de population, usuel en crédit, dont les seuils d'alerte conventionnels sont 0,1 pour un changement modéré et 0,25 pour un changement significatif.
Emballer l'application avec tout ce dont elle a besoin — version de Python, bibliothèques, fichiers de configuration — pour qu'elle se comporte partout comme sur la machine du développeur. Fin du « chez moi ça marche ». L'image obtenue est un objet figé qu'on peut archiver, déployer et redéployer à l'identique des mois plus tard.
En détail
Image construite par Dockerfile multi-étapes pour limiter la taille finale — les outils de compilation restent dans l'étape de construction et n'entrent pas dans l'image servie — et exécutée sans privilèges. C'est l'unité déployée et versionnée, le modèle sérialisé étant embarqué ou monté au démarrage. Deux règles évitent l'essentiel des ennuis : ordonner les instructions de la moins à la plus changeante, pour que le cache de couches serve à quelque chose, et n'y placer aucun secret, chaque couche restant lisible dans l'historique de l'image même si un fichier est supprimé plus loin. Le conteneur ne conserve rien : tout ce qu'on veut retrouver après un redémarrage doit sortir vers un volume ou un stockage externe.
La personne chargée, dans l'organisation, de veiller au respect du règlement sur les données personnelles. C'est elle qu'on consulte avant de mettre un modèle de décision en production, pas après : une fois le service en ligne, corriger une base légale ou retirer une variable interdite coûte un réentraînement complet. Son rôle est consultatif et son indépendance protégée — elle ne peut pas être sanctionnée pour un avis défavorable.
En détail
Sa désignation est obligatoire pour les organismes publics et pour ceux dont l'activité principale implique un suivi systématique à grande échelle, ce qui inclut la plupart des établissements de crédit. Il tient le registre des traitements, pilote les analyses d'impact et sert de point de contact avec l'autorité de contrôle. À ne pas confondre avec l'autre DPO de l'IA, Direct Preference Optimization, qui désigne une méthode d'alignement de modèles de langage à partir de préférences humaines, sans modèle de récompense séparé. Ici c'est bien le rôle de conformité, et l'homonymie vaut d'être signalée dans un rapport qui parle des deux domaines.
Un algorithme de renforcement qui apprend à estimer la valeur de chaque action possible dans chaque situation, puis choisit celle qui promet le plus. Sa valeur estimée n'est pas le gain immédiat mais la somme des gains attendus jusqu'à la fin, ce qui lui permet d'accepter une perte à court terme pour un meilleur résultat plus tard — ralentir avant de se poser, par exemple.
En détail
Q-learning dont la table est remplacée par un réseau de neurones, ce qui permet de traiter des états trop nombreux pour être énumérés. Deux mécanismes le stabilisent : la mémoire de rejeu, qui casse la corrélation entre échantillons consécutifs en tirant au hasard dans les transitions passées, et le réseau cible, copie figée mise à jour périodiquement qui empêche la cible d'apprentissage de bouger en même temps que l'estimateur. Adapté aux actions discrètes ; d'autres familles — les méthodes de gradient de politique, comme PPO ou SAC — conviennent mieux au contrôle continu. Sa tendance connue à surestimer les valeurs se corrige par la variante double, qui sépare le choix de l'action de l'évaluation de sa valeur.
Réduire tout ce qui est exposé au strict nécessaire : fermer les accès inutiles, taire les détails techniques dans les réponses, limiter le rythme des appels, tourner sans privilèges. Une démonstration publique reste une porte ouverte, et la version de bibliothèque annoncée dans un en-tête est une indication offerte à qui cherche une faille connue. Le raisonnement est toujours le même : qu'est-ce qui devient possible si ce composant tombe ?
En détail
Sur ce projet : en-têtes de sécurité, CORS restreint, effacement de l'en-tête serveur, validation stricte des entrées et limitation de débit. Le principe constant est celui du moindre privilège, appliqué au réseau comme au conteneur — un processus qui ne tourne pas en root, une image sans shell ni gestionnaire de paquets, aucun secret dans les couches de l'image. Côté messages d'erreur, la règle est de renvoyer au client de quoi corriger sa requête sans jamais exposer de trace d'exécution ni de nom de fichier interne, la trace complète restant dans les journaux. Le durcissement n'est pas un état atteint une fois : chaque dépendance ajoutée rouvre une surface, ce que seule une analyse automatisée régulière permet de suivre.
Transformer un texte en une liste de nombres qui capture son sens, de sorte que deux phrases proches par le sens donnent deux listes proches, même sans partager un seul mot. « Comment annuler ma commande » et « procédure de remboursement » se retrouvent voisines. C'est ce qui permet de chercher par idée et non par mot exact — et, symétriquement, ce qui explique qu'une recherche par référence produit échoue parfois.
En détail
Vecteur dense de quelques centaines à quelques milliers de dimensions produit par un modèle dédié, distinct du modèle génératif. La proximité se mesure par similarité cosinus. Trois points pratiques : les vecteurs de deux modèles différents ne sont pas comparables, ce qui impose de réindexer tout le corpus à chaque changement de modèle ; les modèles récents distinguent l'encodage d'une question de celui d'un document et attendent un préfixe explicite ; et la dimension choisie arbitre entre finesse et coût de stockage. La recherche de ce portfolio repose sur une variante légère et hors ligne, la LSA, qui obtient un résultat comparable sur vingt-cinq documents sans aucun appel réseau.
apprentissage · jeu d'entraînement · jeu de validation · jeu de test · train test split
On sépare les données en trois : de quoi apprendre, de quoi régler, et de quoi juger. Le troisième lot ne sert qu'une fois, à la toute fin — s'en servir pour choisir revient à se noter soi-même, et le chiffre annoncé cesse d'avoir un sens. C'est une discipline simple à énoncer et régulièrement transgressée, souvent sans s'en apercevoir, à force d'essais successifs sur les mêmes données.
En détail
Entraînement pour ajuster les paramètres, validation pour les hyperparamètres et le seuil, test pour l'estimation finale. La validation croisée fusionne les deux premiers en tournant les rôles ; le test reste à part, intouché. Sur des données datées, le découpage doit être temporel et non aléatoire : évaluer un modèle sur un passé qu'il a déjà vu produit une performance que la production ne reproduira pas. Quand plusieurs lignes concernent une même personne, le découpage se fait par groupe pour la même raison. Les proportions usuelles — 60/20/20, ou 80/20 avec validation croisée sur les 80 — comptent moins que ces deux règles-là.
Une époque, c'est un passage complet sur les données d'entraînement ; dix époques signifient que le modèle a vu chaque exemple dix fois. La taille de lot, c'est le nombre d'exemples traités avant chaque ajustement des poids. Ces deux réglages décident du temps d'entraînement, de la mémoire consommée et, plus indirectement, de la qualité finale du modèle.
En détail
Un grand lot stabilise l'estimation du gradient et exploite mieux le GPU, mais généralise parfois moins bien — le bruit d'un petit lot agit comme une régularisation qui aide à sortir des minima étroits. Les deux se règlent avec le taux d'apprentissage, dont ils ne se séparent pas : doubler la taille de lot appelle grossièrement à augmenter le taux dans la même proportion. Le nombre d'époques ne se fixe pas à l'avance mais se laisse déterminer par l'arrêt anticipé, qui interrompt l'entraînement quand la performance de validation cesse de progresser et restaure les meilleurs poids. La mémoire de la carte graphique est ce qui plafonne la taille de lot ; l'accumulation de gradients permet de simuler un grand lot sans en payer le coût mémoire.
extract transform load · pipeline de données · airflow
La chaîne qui va chercher les données à la source, les nettoie et les range là où on pourra les exploiter. Extraire, transformer, charger — trois mots pour désigner le travail le moins spectaculaire du métier, et pourtant celui où se joue la fiabilité de tout le reste. Un modèle excellent nourri par une chaîne qui perd des lignes une nuit sur trois produit des décisions fausses sans que rien ne signale l'erreur.
En détail
Orchestrée par Airflow : graphe de tâches ordonnancé, avec reprises sur erreur, dépendances explicites et supervision des exécutions. La question qui compte est l'idempotence — rejouer une tâche ne doit pas dupliquer les données, faute de quoi toute reprise après incident devient une opération manuelle risquée. La variante ELT charge d'abord les données brutes et transforme ensuite dans l'entrepôt, ce qui permet de rejouer une transformation sans redemander la source : préférable dès que l'extraction est lente ou facturée. Deux garde-fous valent d'être posés dès le départ : un contrôle de volumétrie qui alerte si le nombre de lignes s'écarte de l'ordinaire, et l'horodatage de chaque chargement, sans lequel une donnée périmée est indiscernable d'une donnée fraîche.
L'outil qui compare les données reçues en production à celles de l'entraînement et produit un rapport lisible signalant les variables qui ont dérivé. Son intérêt principal est la restitution : le rapport se lit par quelqu'un qui n'est pas data scientist, ce qui en fait un support de discussion avec le métier plutôt qu'un chiffre de plus dans un journal.
En détail
Bibliothèque Python open source : rapports de dérive, de qualité des données et de performance, exportables en HTML pour la lecture ou en JSON pour alimenter un tableau de bord et déclencher des alertes. Le test statistique est choisi automatiquement selon le type et le volume de la variable, ce qui évite d'avoir à trancher pour chacune. Deux points d'attention en exploitation : la référence doit être un échantillon d'entraînement figé et stocké, sans quoi il n'y a rien à comparer, et la fenêtre d'observation doit être assez large pour ne pas confondre une saisonnalité hebdomadaire avec une dérive réelle. Le rapport ne décide de rien — il signale, et c'est un humain qui tranche entre réentraîner, corriger la source ou ne rien faire.
Le cadre Python qui expose le modèle derrière une adresse web : on lui envoie un dossier client, il renvoie un score. Il génère aussi tout seul la documentation interactive de l'API, ce qui permet à quiconque de l'essayer depuis son navigateur sans écrire une ligne de code — argument précieux quand il faut faire constater qu'un modèle tourne réellement.
En détail
Validation des entrées par Pydantic — une requête malformée est rejetée en 422 avant d'atteindre le modèle, ce qui déplace la gestion d'erreur du code métier vers la frontière —, exécution asynchrone, et schéma OpenAPI publié sur /docs. Un point à connaître : une fonction de prédiction synchrone déclarée dans une route asynchrone bloque la boucle d'événements et fait s'effondrer le débit ; le modèle doit donc être appelé dans un fil séparé, ou la route déclarée synchrone pour que le serveur s'en charge. Le modèle se charge une seule fois au démarrage de l'application, jamais à chaque requête, et une sonde de vie distincte de la sonde de disponibilité permet à l'orchestrateur de ne router du trafic qu'une fois le modèle réellement prêt.
Fabriquer, à partir des données brutes, les indicateurs que le modèle saura lire : une moyenne, un ratio, un cumul, un écart à une référence. C'est souvent ce qui fait la différence, bien plus que le choix du modèle — le taux d'endettement calculé à partir de deux colonnes en dit davantage que les deux colonnes prises séparément. C'est aussi l'endroit où la connaissance du métier entre réellement dans le modèle.
En détail
Ici, agrégation des tables annexes — crédits antérieurs, échéanciers, cartes — par moyennes, sommes, compteurs et écarts-types, ramenées à la granularité d'une demande courante. Le risque à surveiller reste la fuite de données : toute agrégation doit se limiter à ce qui était connu à la date de la demande. Deux principes guident l'exercice : privilégier les ratios aux valeurs absolues, qui se comparent mal d'un dossier à l'autre, et vérifier que chaque variable créée sera calculable en production avec la même définition — une variable qui demande une jointure indisponible au moment de la requête est inutilisable, quelle que soit sa contribution en apprentissage.
La quantité de texte que le modèle peut avoir sous les yeux d'un coup : consigne, documents fournis et réponse à produire, tout compris. Au-delà, il faut choisir ce qu'on lui montre — c'est précisément le travail du RAG. Les fenêtres se sont beaucoup agrandies ces dernières années, ce qui a déplacé le problème sans le supprimer.
En détail
Se compte en tokens et englobe la consigne, les passages injectés et la réponse à produire, ce dernier point étant régulièrement oublié : un contexte rempli à ras bord ne laisse plus de place pour répondre. L'agrandir ne résout pas tout — la précision se dégrade au milieu des contextes très longs, phénomène documenté sous le nom de perte au milieu, l'information placée au début et à la fin étant mieux exploitée que celle du centre. Le coût et la latence croissent à chaque requête, l'attention ayant un coût quadratique en longueur de séquence. Deux conséquences pratiques : ordonner les passages les plus pertinents aux extrémités plutôt qu'au milieu, et préférer cinq passages bien choisis à cinquante passages ratissés largement.
Reprendre un modèle déjà entraîné et poursuivre son apprentissage sur ses propres données pour le spécialiser. Beaucoup moins coûteux que de repartir de zéro, mais rarement la bonne première réponse : il change le comportement du modèle — un ton, un format, une tâche précise — bien plus efficacement qu'il ne lui apprend des faits nouveaux.
En détail
Souvent en paramètres réduits (LoRA) pour limiter la mémoire et l'espace disque. À comparer honnêtement au RAG : quand le besoin est d'accéder à des connaissances à jour, le RAG répond mieux, plus simplement et se met à jour en réindexant plutôt qu'en réentraînant. Le fine-tuning s'impose en revanche pour imposer un format de sortie strict, un registre de langue, ou pour ramener une tâche répétitive sur un modèle plus petit et moins cher. Sa difficulté réelle n'est pas l'entraînement mais le jeu de données : quelques centaines à quelques milliers d'exemples de qualité homogène, dont la constitution représente l'essentiel de l'effort. À surveiller ensuite, l'oubli catastrophique — le modèle spécialisé perd des capacités générales qu'il avait avant.
Laisser entrer dans le modèle une information qui n'existera pas au moment de décider. Le score en laboratoire devient superbe, et le modèle s'effondre en production. C'est l'erreur la plus coûteuse du métier, parce qu'elle ne se signale par aucun message d'erreur : au contraire, tout va anormalement bien, et c'est justement ce qui doit alerter. Une AUC de 0,99 sur un problème réputé difficile est une fuite jusqu'à preuve du contraire.
En détail
Se glisse par trois portes principales : des variables postérieures à l'événement prédit — un indicateur de relance qui n'existe que pour les dossiers déjà en défaut ; un prétraitement ajusté sur l'ensemble des données avant le découpage, la normalisation ayant alors vu les statistiques du jeu de test ; et la sélection de variables faite avant la validation croisée, qui a déjà consulté les étiquettes de tous les plis. Se prévient en calant toute transformation à l'intérieur des plis de validation, ce que le Pipeline de scikit-learn garantit par construction. La vérification la plus utile reste la question posée variable par variable : cette information est-elle disponible, avec cette valeur, à l'instant où l'on doit décider ?
ia générative · intelligence artificielle générative
Les modèles qui produisent du contenu — texte, image, code, son — plutôt que de classer ou de prédire un nombre. C'est la famille dont relèvent les modèles de langage. Le changement n'est pas seulement technique : on passe d'une sortie qu'on peut confronter à une vérité connue à une sortie dont la qualité est affaire de jugement, ce qui bouleverse la façon d'évaluer et de tester.
En détail
La difficulté d'ingénierie s'y déplace : la sortie n'est plus vérifiable par une métrique unique, et il faut construire l'évaluation autant que le système lui-même. Trois conséquences pratiques. Les tests ne peuvent plus comparer à une réponse attendue mot pour mot, et se réécrivent en propriétés vérifiables — la réponse cite-t-elle une source, respecte-t-elle le format, refuse-t-elle quand il faut. Le coût devient variable et proportionnel à l'usage, ce qui en fait une contrainte de conception et non un poste de fin de projet. Et la reproductibilité disparaît, ce qui impose de journaliser les entrées et les sorties pour pouvoir enquêter après coup sur un incident.
Le système qui garde l'historique complet du code et permet à plusieurs personnes d'y travailler sans s'écraser. Chaque modification est datée, attribuée et réversible : on peut revenir à l'état d'il y a trois mois, ou savoir quelle ligne a introduit un défaut et pourquoi elle a été écrite. C'est aussi ce qui rend une mise en production réversible, puisqu'on sait exactement ce qui a changé depuis la précédente.
En détail
La discipline compte plus que l'outil : des messages qui expliquent le pourquoi — le diff montre déjà le quoi —, des branches courtes, et une intégration continue qui bloque avant la fusion plutôt que de signaler après. Les branches longues sont le principal générateur de conflits, parce que l'écart avec la base croît plus vite que la mémoire de ce qu'on a modifié. Ce dépôt suit cette règle : aucune écriture directe sur la branche principale, une PR par sujet, et une fusion conditionnée à une CI verte qui rejoue les tests, régénère l'index de recherche et le glossaire, puis vérifie que rien n'a divergé. Un artefact généré qui n'est pas vérifié par la CI finit toujours par diverger de sa source.
L'outil qui affiche les courbes de ce qui se passe en production, et déclenche une alerte quand une valeur sort des clous. On y regarde la santé du service comme on regarde un tableau de bord de voiture : quelques cadrans qu'on lit d'un coup d'œil, et un voyant qui s'allume quand il faut s'arrêter.
En détail
S'alimente de séries temporelles collectées par Prometheus, qui interroge périodiquement les services plutôt que d'attendre qu'ils émettent. La partie délicate n'est pas l'affichage mais le seuil d'alerte : trop sensible, il finit ignoré — et une alerte ignorée est pire qu'une absence d'alerte, puisqu'elle donne l'illusion d'une surveillance ; trop lâche, il ne sert à rien. Trois règles réduisent le bruit : alerter sur un symptôme visible par l'utilisateur plutôt que sur une cause interne, exiger une durée de dépassement plutôt qu'un franchissement instantané, et associer à chaque alerte la conduite à tenir. Un tableau de bord utile tient sur un écran ; au-delà, plus personne ne le lit.
Un modèle de langage qui invente une réponse plausible et fausse, avec le même aplomb que lorsqu'il a raison. Rien dans la forme ne distingue les deux cas — c'est ce qui rend le phénomène dangereux, bien plus qu'une erreur visible. C'est le principal risque de ces systèmes, et la raison des garde-fous : citations obligatoires, ancrage sur des sources, et vérification humaine sur tout ce qui engage.
En détail
Ce n'est pas un défaut réparable mais une conséquence du principe : le modèle échantillonne la suite la plus probable, et rien dans son entraînement ne sépare le vrai du vraisemblable. Contenue en ancrant la réponse sur les passages retrouvés, en exigeant les citations avec renvoi vérifiable, en autorisant explicitement le « je ne sais pas » — que la plupart des modèles ne produisent pas spontanément —, et en baissant la température. Les cas les plus retors sont les inventions partielles : une citation réelle attribuée au mauvais document, un chiffre correct rattaché à la mauvaise année. La boîte de questions de ce portfolio va plus loin : ses réponses sont écrites à la main et sélectionnées par recherche, donc rien ne peut être inventé.
Une consigne qui interdit au navigateur de revenir en clair sur le site, même si quelqu'un l'y pousse. Une fois reçue, toutes les visites passent obligatoirement par une connexion chiffrée pendant la durée annoncée, et le navigateur refuse de passer outre un certificat invalide au lieu de proposer un avertissement contournable.
En détail
Ferme la fenêtre d'attaque du tout premier appel non chiffré, celui qui précède la redirection : sans HSTS, une requête en clair suffit à intercepter la session avant qu'elle ne bascule. Il reste une brèche à la toute première visite, avant réception de l'en-tête, que la liste de préchargement des navigateurs comble au prix d'un engagement difficile à défaire. La durée annoncée est justement un engagement : une erreur de configuration, un certificat expiré ou un sous-domaine oublié rendent le domaine inaccessible jusqu'à expiration, sans possibilité de correction côté visiteur. On monte donc la durée progressivement, en commençant par quelques minutes.
Un hébergeur spécialisé dans les applications d'IA, où tournent les deux API en production de ce portfolio. Il accepte directement une image Docker, ce qui évite d'avoir à réécrire le déploiement pour sa plateforme. C'est aussi le lieu où se publient et se téléchargent la plupart des modèles ouverts du domaine.
En détail
Déploiement par push sur le dépôt du Space depuis GitHub Actions. Le plan gratuit met l'instance en veille après inactivité, d'où une première requête plus lente, de quelques dizaines de secondes le temps que le conteneur redémarre — contrainte assumée pour une démonstration publique, et à écarter dès qu'un engagement de service est en jeu. Le système de fichiers n'est pas persistant : ce qu'on y écrit disparaît au redémarrage, ce qui est précisément la limite du journal en fichier de ce projet. Les secrets se passent par variables d'environnement configurées côté plateforme, jamais dans le dépôt, celui-ci étant public.
hyperparamètre · tuning · optimisation des hyperparamètres
Les réglages qu'on fixe avant l'entraînement — profondeur des arbres, vitesse d'apprentissage, force de la régularisation — par opposition à ce que le modèle apprend tout seul. Les chercher au hasard mais beaucoup marche souvent mieux que les chercher méthodiquement : la plupart n'ont presque aucun effet, et une grille régulière gaspille ses essais à explorer finement des dimensions qui ne comptent pas.
En détail
Explorés par recherche aléatoire sur grille, évalués en validation croisée et sélectionnés sur le coût métier plutôt que sur l'AUC, pour rester cohérent avec l'objectif. Le point de vigilance est le surapprentissage du réglage lui-même : à force d'essayer des centaines de combinaisons sur les mêmes plis de validation, on finit par choisir celle qui convient à ce découpage particulier, d'où la nécessité d'un jeu de test resté intouché. Les méthodes bayésiennes convergent plus vite en nombre d'essais mais se parallélisent mal ; sur un modèle à entraînement rapide, la recherche aléatoire massivement parallèle reste souvent le meilleur rapport coût-résultat. Un réglage se rapporte toujours avec son espace de recherche, sans quoi le résultat n'est pas reproductible.
La propriété d'une opération qu'on peut relancer sans dégât : la jouer deux fois donne exactement le même résultat que de la jouer une fois. Sans elle, une reprise après incident duplique les données, et l'on n'ose plus rejouer quoi que ce soit — ce qui transforme le moindre échec nocturne en intervention manuelle du lendemain matin.
En détail
Centrale en orchestration : une tâche interrompue sera rejouée, et elle doit écrire par remplacement d'une partition datée plutôt que par ajout. C'est ce qui sépare une chaîne qu'on peut relancer sereinement d'une chaîne qu'on redoute de toucher. La même exigence vaut côté API : une requête d'écriture peut être émise deux fois par un client qui n'a pas reçu la réponse, d'où la pratique de la clé d'idempotence, identifiant fourni par l'appelant et mémorisé par le serveur pour reconnaître un doublon. Le générateur de ce glossaire suit le même principe : le poseur de liens du rapport peut être exécuté autant de fois qu'on veut sans jamais poser un lien en double, et la CI vérifie précisément cette propriété.
Une structure qui retrouve, parmi des millions de textes vectorisés, les plus proches d'une question — en quelques millisecondes plutôt qu'en les comparant tous un par un. Elle accepte pour cela de rater occasionnellement un voisin : c'est une recherche approchée, et cette approximation est exactement ce qui la rend rapide.
En détail
Faiss (bibliothèque, en mémoire) et Milvus (base distribuée) sont utilisés selon l'échelle. Reposent sur une recherche approchée type HNSW — un graphe de voisinage à plusieurs niveaux, très rapide mais gourmand en mémoire — ou IVF, qui partitionne l'espace en cellules et n'en explore que quelques-unes. Le réglage revient toujours au même arbitrage : combien de rappel accepte-t-on de perdre pour combien de vitesse gagnée, question qui se tranche en mesurant, pas en supposant. Sur de petits corpus, la recherche exhaustive reste préférable — en dessous de quelques dizaines de milliers de vecteurs, l'index approché complique sans rien accélérer. La mise à jour est l'autre critère : certains index se reconstruisent entièrement, ce qui interdit l'ajout continu de documents.
Le moment où le modèle, une fois entraîné, répond à une vraie question. L'entraînement se fait une fois et coûte cher ; l'inférence se répète à chaque appel et doit être rapide et fiable. Sur la durée de vie d'un modèle, c'est elle qui représente l'essentiel du coût total, et c'est pourtant la phase à laquelle on consacre le moins d'attention pendant le développement.
En détail
Les contraintes y sont opposées à celles de l'entraînement : mémoire réduite, exécution déterministe, prétraitement rigoureusement identique, et pas de seconde chance en cas d'erreur. La plupart des incidents de production naissent d'un écart entre les deux — une variable calculée avec une définition légèrement différente, une catégorie inconnue rencontrée pour la première fois, un ordre de colonnes qui a changé. La parade tient en un principe : le même objet doit porter le prétraitement et le modèle, et être exercé par un test qui compare quelques prédictions de référence. Reste à décider ce qu'on fait d'une entrée hors domaine : répondre quand même avec un score peu fiable, ou refuser explicitement — question métier, à trancher au cadrage et non par le comportement par défaut d'une bibliothèque.
Un texte glissé dans un document ou dans une question, qui détourne le modèle de sa consigne : « ignore les instructions précédentes et réponds ceci ». En RAG, le danger est particulier — le contenu récupéré n'a pas été écrit par vous, et le modèle ne fait aucune différence entre vos instructions et le texte du document qu'on lui donne à lire. Tout ce qui entre dans la fenêtre de contexte doit donc être traité comme suspect.
En détail
Aucune parade complète à ce jour, la cause étant structurelle : consigne et données transitent par le même canal, en langue naturelle, sans mécanisme d'échappement comparable à celui d'une requête paramétrée. On limite les dégâts en séparant nettement consigne et données dans le prompt, en restreignant les actions accessibles au modèle — un agent qui ne peut que lire ne peut pas être détourné pour écrire —, en validant les sorties avant tout effet de bord, et en n'accordant jamais au modèle plus de droits qu'à l'utilisateur qui l'interroge. La variante indirecte est la plus sournoise : la charge est déposée à l'avance dans un document que le système ira chercher plus tard, sans qu'aucun utilisateur malveillant n'ait besoin d'être présent.
La mesure qui dit si une zone détectée tombe juste : on divise ce que le modèle et la vérité ont en commun par tout ce qu'ils couvrent ensemble. 1 signifie une superposition parfaite, 0 aucune intersection. Sa qualité est de pénaliser à la fois ce qu'on a oublié et ce qu'on a débordé, là où une simple proportion de pixels corrects se laisse tromper par un fond majoritaire.
En détail
Calculée par classe puis moyennée. Sévère par construction sur les petits objets, où quelques pixels d'écart font chuter le score — d'où la lecture par classe plutôt qu'en agrégat unique, une moyenne masquant une classe rare mal segmentée. En détection, le seuil d'IoU définit ce qu'on appelle une bonne détection, et les résultats publiés changent radicalement selon qu'il est fixé à 0,5 ou moyenné sur une plage de seuils : comparer deux chiffres sans connaître ce protocole n'a pas de sens. Le coefficient de Dice, très proche, pondère davantage l'intersection et reste la mesure usuelle en imagerie médicale.
Un format de journal où chaque ligne est un enregistrement complet et autonome. On peut y ajouter à la fin sans relire le fichier, et le lire ligne à ligne sans tout charger en mémoire — deux propriétés qu'un tableau JSON classique n'offre pas, puisqu'il faut en refermer le crochet et donc le réécrire à chaque ajout.
En détail
JSON Lines : un objet par ligne, sans virgule ni tableau englobant. C'est le format des journaux de prédictions, relus ensuite par Evidently pour calculer la dérive. Sa robustesse est son argument principal : une ligne corrompue par une écriture interrompue n'invalide que celle-là, là où un JSON unique devient entièrement illisible. Il se compresse bien, se découpe trivialement pour un traitement parallèle, et se lit par les outils de ligne de commande usuels. Ses limites apparaissent au volume : au-delà de quelques millions de lignes, un format en colonnes comme Parquet divise la place occupée et accélère nettement les lectures partielles, puisqu'il permet de ne charger que les champs utiles.
Le petit nombre de mesures qu'on suit vraiment, parce qu'elles disent si les choses vont bien. Le reste est du bruit qu'on peut regarder quand on a le temps. Un bon indicateur a trois qualités : quelqu'un le regarde effectivement, il bouge quand la réalité bouge, et l'on sait d'avance ce qu'on fera s'il se dégrade. Un tableau de bord de quarante courbes que personne n'ouvre ne vaut pas trois chiffres qu'on lit chaque matin.
En détail
Sur un service de scoring : AUC hors échantillon, coût métier, latence au 95e centile, et taux de refus observé. Ce dernier est le plus parlant en production — il dérive avant que la performance mesurée ne bouge, parce qu'il ne demande pas d'attendre de savoir qui a remboursé. C'est la difficulté propre au crédit : la vérité terrain arrive avec des mois de retard, si bien que les indicateurs immédiats sont tous des signaux indirects. On les complète donc par des mesures sur les entrées — dérive des distributions, taux de valeurs manquantes — qui, elles, se calculent le jour même.
Une boîte à outils qui assemble les briques d'une application LLM — découpage des documents, recherche, gabarits de prompt, appel du modèle, analyse de la sortie — sans tout réécrire à chaque projet. Son intérêt principal est l'uniformité des interfaces : changer de fournisseur de modèle ou de base vectorielle ne demande pas de réécrire la chaîne.
En détail
Utile pour prototyper vite ; l'abstraction se paie en lisibilité et en dépendances quand le besoin se stabilise, ce qui justifie parfois d'écrire la chaîne à la main — un appel d'API et un gabarit de chaîne de caractères suffisent à beaucoup de cas réels. Deux difficultés récurrentes en production : la surface de dépendances, qu'une mise à jour peut casser sur un composant qu'on n'utilise pas, et la difficulté de déboguer une chaîne dont le prompt final est construit à plusieurs niveaux d'abstraction — d'où l'intérêt de tracer systématiquement le prompt réellement envoyé. La règle pratique qui se dégage : garder l'outil tant qu'on explore, écrire à la main la partie qui ne bouge plus.
Décrire le raisonnement d'un agent comme un graphe : selon ce qu'il trouve à une étape, il bifurque vers telle ou telle suite, revient en arrière, ou s'arrête. C'est ce qui permet à l'agent d'échecs de changer de stratégie quand la position sort de la théorie, au lieu de dérouler une séquence fixe qui ne correspond plus à ce qu'il observe.
En détail
Machine à états sur graphe avec état partagé entre nœuds, branchements conditionnels, cycles et reprises. Rend explicites et traçables des enchaînements qu'une chaîne linéaire ne saurait pas exprimer, et surtout inspectables : on peut relire le chemin parcouru, ce qui est indispensable quand un agent se trompe et qu'il faut comprendre à quelle bifurcation. Deux mécanismes comptent en production : les points de sauvegarde, qui permettent de reprendre une exécution interrompue sans tout rejouer, et la limite explicite du nombre d'itérations, sans laquelle un cycle mal conditionné boucle indéfiniment en consommant des tokens. L'intervention humaine à une étape donnée s'y insère naturellement, ce qui en fait la structure adaptée dès qu'une décision engage.
Le temps entre la question et la réponse. Six millisecondes ici : assez rapide pour qu'un conseiller obtienne le score pendant que le client est encore au téléphone. C'est une contrainte de conception et non une mesure de fin de projet — elle décide du modèle qu'on peut se permettre, du prétraitement qu'on peut faire, et du nombre de services qu'on peut chaîner.
En détail
Mesurée côté serveur, hors réseau, et journalisée à chaque appel. On regarde les centiles hauts (p95, p99) autant que la moyenne : c'est la queue de distribution qui se voit à l'usage, et une moyenne flatteuse cache régulièrement un utilisateur sur vingt qui attend dix fois plus. La latence perçue ajoute le réseau, la sérialisation et l'éventuel démarrage à froid d'une instance en veille, ce dernier dominant tout le reste sur un hébergement gratuit. Elle se décompose pour être améliorée : temps de prétraitement, temps d'inférence pure, temps de post-traitement — l'expérience montre que le modèle est rarement le coupable, et que le chargement d'un objet ou une jointure oubliée le sont souvent.
La façon d'écrire une chaîne LangChain en enchaînant les étapes comme des maillons reliés par un opérateur, plutôt qu'en empilant des objets et des rappels. Le code se lit dans l'ordre où les données circulent, ce qui est autant un gain de lisibilité qu'un gain de fonctionnalités.
En détail
Apporte gratuitement le parallélisme des branches indépendantes, la diffusion en continu de la réponse et le traitement par lots sur la chaîne composée : ce qui devait être écrit à la main pour chaque étape devient une propriété de la composition. Utile tant que la chaîne reste linéaire ; dès qu'apparaissent des branchements conditionnels, des cycles ou un état partagé, un graphe explicite se relit mieux et se débogue mieux — c'est précisément la frontière avec LangGraph. Le point de vigilance reste le même que pour toute abstraction de ce type : tracer le prompt réellement envoyé, qu'une composition à plusieurs niveaux rend difficile à reconstituer mentalement.
Un modèle qui empile des centaines de petits arbres de décision, chacun corrigeant les erreurs des précédents. Le premier arbre se trompe beaucoup ; le deuxième apprend à rattraper ses fautes ; et ainsi de suite jusqu'à ce que l'ensemble prédise bien. C'est le choix habituel sur des données en tableau : rapide, précis, et il dit quelles variables comptent — trois propriétés que les réseaux de neurones n'offrent pas ensemble sur ce type de données.
En détail
Implémentation du gradient boosting par Microsoft, à croissance en profondeur (leaf-wise) plutôt qu'en largeur : l'arbre étend la feuille qui réduit le plus la perte, ce qui converge plus vite mais surapprend davantage si le nombre de feuilles n'est pas borné. Le binning des variables continues en quelques centaines de paliers réduit le coût de recherche des seuils, d'où sa rapidité. Gère nativement les valeurs manquantes — il apprend une direction par défaut à chaque nœud — et les variables catégorielles sans encodage préalable, d'où son avantage sur un jeu bancaire creux. Les réglages qui comptent vraiment sont peu nombreux : nombre de feuilles, taux d'apprentissage, nombre d'arbres, et minimum d'observations par feuille.
Plafonner le nombre d'appels qu'un même client peut passer par minute. Sans cela, une API publique se fait saturer par accident autant que par malveillance — une boucle mal écrite dans le code d'un intégrateur suffit à mettre le service à genoux. Le plafond doit être annoncé et le refus explicite, pour que celui qui le franchit sache quoi corriger plutôt que de croire à une panne.
En détail
Appliquée par adresse ou par jeton, avec un code 429 explicite et un en-tête Retry-After annonçant le délai d'attente. L'algorithme du seau à jetons est le plus courant : il autorise des rafales courtes tout en tenant une moyenne, ce qu'une fenêtre fixe ne fait pas — cette dernière laisse passer le double du quota à cheval sur deux fenêtres. Sur un service d'inférence, c'est aussi une protection budgétaire quand le calcul se paie à la requête, et le plafond se règle alors sur le coût acceptable plutôt que sur la capacité technique. Le quota par clé vaut mieux que le quota par adresse, plusieurs utilisateurs pouvant partager une même sortie réseau.
Un outil qui relit le code automatiquement et signale les erreurs de style, les imports inutiles, les variables jamais employées et les pièges classiques du langage. Il tranche les débats de forme pour que la relecture humaine porte sur le fond — ce qui est son bénéfice principal, bien avant les défauts qu'il attrape.
En détail
Ruff côté Python, très rapide, exécuté en pre-commit et en intégration continue, oxlint côté JavaScript. Le formatage automatique supprime une catégorie entière de commentaires de revue, et surtout rend les diffs lisibles en éliminant les changements de mise en forme parasites. Deux conditions pour que l'outil soit utile plutôt que subi : une configuration unique, versionnée avec le projet, afin que personne ne dépende de ses réglages d'éditeur ; et une exécution avant l'envoi, un défaut découvert en intégration continue coûtant déjà un aller-retour. Le linter détecte la forme, jamais l'intention : il ne remplace ni les tests ni la revue, et un code irréprochable de style peut être parfaitement faux.
Ce qui est effectivement remis à la fin : un dépôt de code, une API en ligne, un rapport, un tableau de bord. Une chose qu'on peut ouvrir et vérifier, pas une intention ni un pourcentage d'avancement. Le test est simple : si personne ne peut en constater l'existence sans vous demander où ça en est, ce n'est pas un livrable.
En détail
Chacun gagne à porter son critère d'acceptation, écrit d'avance : sans lui, la recette se négocie à la livraison, au moment où les deux parties ont le plus à perdre. Un bon critère est vérifiable par un tiers et ne dépend d'aucun jugement — « l'API répond en moins de 300 ms au 95e centile sur mille appels » plutôt que « l'API est rapide ». Sur un projet de modèle, le livrable ne se limite jamais aux poids entraînés : il comprend le code qui les produit, la procédure pour les reproduire, la mesure de performance et son protocole. Un modèle qu'on ne sait pas réentraîner est un livrable périssable.
grand modèle de langage · modèle de langage · mistral
Un modèle entraîné à prédire le mot suivant sur d'immenses quantités de texte, ce qui suffit à lui faire rédiger, résumer, traduire ou répondre. Deux limites structurelles en découlent : il ne connaît rien après sa date d'entraînement, et il n'a aucune notion de vérité — il produit ce qui est plausible dans son apprentissage, ce qui coïncide souvent avec le vrai, mais pas toujours et sans qu'il puisse faire la différence.
En détail
Architecture transformeur, entraînée par prédiction du token suivant puis alignée par apprentissage à partir de retours humains, ce qui explique le ton coopératif des modèles de dialogue et non une compréhension accrue. Mistral est utilisé ici via API. Les paramètres d'échantillonnage — température surtout, mais aussi top-p — arbitrent entre déterminisme et variété, et une température basse est préférable en RAG. Deux propriétés à garder en tête pour l'ingénierie : la sortie n'est jamais strictement reproductible, même à température nulle, ce qui interdit les tests d'égalité stricte ; et le coût comme la latence croissent avec la longueur du contexte, ce qui fait de la taille du prompt une variable d'exploitation à part entière.
Le MLOps appliqué aux modèles de langage, avec ses problèmes propres : suivre le coût par requête, tracer les prompts et les réponses, mesurer une qualité qui n'a pas de bonne réponse unique. Une difficulté supplémentaire s'y ajoute : le modèle n'est souvent pas le vôtre, et il peut changer sous vos pieds sans que rien ne vous en avertisse.
En détail
Aux préoccupations habituelles s'ajoutent le versionnement des prompts, traités comme du code avec revue et historique ; la journalisation des échanges à des fins d'audit, en veillant à ne pas y déverser de données personnelles ; la gestion des quotas et des reprises sur erreur, un fournisseur externe étant une dépendance qui tombe ; et la dérive du modèle fournisseur, qui change sans prévenir et peut dégrader un prompt réglé finement. La parade usuelle consiste à épingler une version de modèle quand c'est possible, et à maintenir un jeu de questions de référence rejoué à intervalle régulier pour détecter une régression. Le suivi du coût par requête et par utilisateur est le tableau de bord qui manque le plus souvent, et celui qui alerte le plus tôt.
Une façon économique d'affiner un grand modèle : au lieu de modifier ses milliards de paramètres, on lui greffe de petites matrices qui, elles seules, apprennent. Quelques mégaoctets à stocker au lieu de plusieurs dizaines de gigaoctets, et un entraînement qui tient sur une carte graphique ordinaire plutôt que sur un parc de serveurs.
En détail
Décomposition de faible rang des mises à jour de poids : plutôt que d'apprendre une matrice de modification pleine, on apprend le produit de deux matrices étroites, en gelant complètement le modèle d'origine. Le rang choisi arbitre entre capacité d'adaptation et nombre de paramètres, des valeurs faibles suffisant à la plupart des spécialisations de style ou de format. Plusieurs adaptateurs peuvent coexister sur un même modèle de base et se charger à la demande, ce qui permet de servir plusieurs clients spécialisés depuis une seule copie du modèle en mémoire — l'argument économique décisif en production. La variante quantifiée, QLoRA, réduit encore l'empreinte en chargeant le modèle de base en précision réduite pendant l'entraînement.
Une méthode ancienne et légère pour rapprocher des textes par le sens : elle repère quels mots apparaissent ensemble dans les mêmes documents et en déduit des thèmes, ce qui permet de rapprocher deux textes qui parlent de la même chose sans employer les mêmes mots. C'est ce qui fait fonctionner la recherche de ce portfolio, entièrement dans le navigateur, sans aucun appel réseau et sans modèle à télécharger.
En détail
Décomposition en valeurs singulières de la matrice terme-document pondérée par TF-IDF, tronquée à un rang faible : chaque document devient un vecteur de quelques dizaines de dimensions au lieu du vocabulaire entier. L'index est construit hors ligne et servi en JSON statique, la comparaison se faisant par similarité cosinus dans la page. Ses limites sont connues et assumées ici : elle ignore l'ordre des mots, ne gère pas la polysémie et ne généralise pas au-delà du corpus indexé. En échange, elle tient dans quelques dizaines de kilooctets, ne coûte rien à l'exécution et reste entièrement inspectable — trois propriétés qu'aucun modèle d'embeddings n'offre à ce prix pour un corpus de vingt-cinq documents.
Un tableau à quatre cases qui croise ce que le modèle a prédit avec ce qui s'est réellement passé. Sur une ligne, les dossiers réellement en défaut ; sur l'autre, les dossiers sains ; en colonnes, ce que le modèle en a dit. On y voit d'un coup d'œil quel type d'erreur domine, ce qu'aucun pourcentage global ne montre. C'est souvent le premier tableau à présenter à un métier, parce qu'il se lit sans connaître la moindre formule.
En détail
Vrais positifs, faux positifs, vrais négatifs, faux négatifs. Toutes les métriques de classification en dérivent : précision, rappel, spécificité, exactitude, et le coût métier pondéré. Elle dépend du seuil, contrairement à l'AUC : une même liste de probabilités produit autant de matrices qu'on choisit de seuils, et comparer deux matrices calculées à des seuils différents n'a pas de sens. En classification multi-classes elle s'étend à une grille n × n, où la lecture des cases hors diagonale indique les confusions systématiques entre catégories voisines.
tracking · suivi d'expériences · registry · registre de modèles
Un carnet de bord des entraînements : chaque essai y laisse ses réglages, ses scores et le modèle produit. Sans lui, on ne sait plus au bout de trente essais lequel était le bon, ni avec quels paramètres il avait été obtenu — situation banale et coûteuse, qui oblige à tout refaire pour retrouver un chiffre déjà atteint.
En détail
Tracking des paramètres et métriques, stockage des artefacts, et registre de modèles avec étapes de promotion — développement, préproduction, production — qui donnent à chaque version un état explicite. C'est ce qui rend un résultat reproductible et un déploiement traçable : depuis un modèle en ligne, on remonte au commit, aux données et aux hyperparamètres qui l'ont produit. Deux usages en découlent directement : comparer des dizaines d'essais sur un même graphique plutôt que dans un tableur, et répondre à la question d'audit « pourquoi cette version est-elle en production », qui se pose toujours au pire moment. L'enregistrement du modèle avec sa signature — types et noms des colonnes attendues — évite par ailleurs une bonne part des écarts entre entraînement et inférence.
Tout ce qui transforme un modèle de notebook en service qui tient : le déployer, le tester, le surveiller, pouvoir revenir en arrière. La difficulté n'est pas d'obtenir un bon score — c'est de faire en sorte que ce score se retrouve en production, s'y maintienne, et que quelqu'un s'aperçoive s'il cesse de s'y maintenir. C'est le sujet central de ce portfolio.
En détail
Applique au cycle de vie du modèle les pratiques d'ingénierie logicielle — versionnement du code, des données et des modèles, intégration continue, supervision de la dérive, traçabilité des expériences. Sa spécificité par rapport au DevOps tient à un troisième objet versionné : les données, qui changent d'elles-mêmes sans qu'aucun commit ne le signale. Un service classique se dégrade quand on le modifie ; un modèle se dégrade quand on ne le modifie pas, parce que le monde qu'il décrit a bougé. D'où deux boucles distinctes à outiller : celle du déploiement, déclenchée par une modification du code, et celle du réentraînement, déclenchée par une dérive constatée.
Un réseau de neurones simple, des couches empilées les unes sur les autres, chacune combinant les sorties de la précédente. Sur des données en tableau, il se fait généralement battre par les arbres, et il explique bien moins ses décisions. Ce résultat, contre-intuitif à l'heure où les réseaux dominent le texte et l'image, est régulièrement confirmé par les comparaisons publiées.
En détail
Sensible à la mise à l'échelle des variables et aux valeurs manquantes, deux points que les arbres encaissent seuls, et demandeur d'un encodage explicite du catégoriel. La raison de son infériorité sur le tabulaire est mieux comprise depuis peu : les arbres approchent naturellement les fonctions constantes par morceaux et irrégulières que produisent des variables hétérogènes, là où un réseau impose un biais de régularité qui ne correspond pas à ces données. Testé en comparaison sur le scoring, écarté pour cette raison autant que pour l'explicabilité — expliquer une décision individuelle y demande des méthodes approchées, alors que SHAP est exact sur un modèle d'arbres.
Une base qui stocke des documents plutôt que des lignes de tableau, pratique quand la forme des données varie d'un enregistrement à l'autre. Chaque document porte sa propre structure, ce qui évite d'ajouter une colonne vide à un million de lignes pour un champ qui ne concerne que dix cas. La contrepartie est que plus rien n'empêche deux documents censés être de même nature d'avoir des champs différents.
En détail
Sans schéma imposé, ce qui accélère le prototypage et déplace la contrainte de cohérence vers l'application — la validation devient une responsabilité du code, et un oubli ne se voit qu'à la lecture. Convient aux données hétérogènes, aux documents profondément imbriqués et aux volumes que l'on veut répartir sur plusieurs machines ; les données transactionnelles restent mieux en relationnel, où l'intégrité référentielle est garantie par la base et non par convention. Le critère de choix le plus fiable n'est pas la forme des données mais celle des lectures : un document qu'on lit toujours en entier se range bien ici, une donnée qu'on recoupe sans cesse avec d'autres appelle des jointures, donc du relationnel.
Regarder en continu ce que fait le modèle une fois en ligne : combien de requêtes, à quelle vitesse, avec quelles réponses. Un modèle qu'on ne surveille pas est un modèle dont on ignore qu'il a cessé de fonctionner — et il cesse rarement de façon spectaculaire. La panne visible est la moins grave ; la dangereuse est celle qui continue de répondre, poliment, des scores faux.
En détail
Trois étages se superposent et ne se remplacent pas. L'étage technique : latence, taux d'erreur, saturation, mesurés comme pour n'importe quel service. L'étage données : dérive des distributions d'entrée, taux de valeurs manquantes, respect du contrat. L'étage métier : distribution des scores et taux de refus observé, seuls indicateurs qui bougent avant que la vérité terrain n'arrive. Journalisation structurée des prédictions en JSONL, Prometheus côté collecte sur le projet d'agent d'ouvertures. Chaque alerte doit être associée d'avance à une action : une alerte que personne ne sait traiter est désactivée au bout de trois semaines, et c'est ainsi qu'un dispositif de surveillance meurt.
Mettre les variables dans une forme que le modèle sait lire : ramener les échelles à un ordre comparable, pour qu'un revenu en dizaines de milliers ne pèse pas mécaniquement plus qu'un âge en dizaines, et transformer les catégories — un métier, une ville — en nombres. Ces transformations font partie du modèle et doivent voyager avec lui, sinon la production applique autre chose que l'entraînement.
En détail
Le scaling est indispensable aux modèles à distance ou à gradient — k plus proches voisins, SVM, réseaux, régression régularisée — et inutile aux arbres, qui ne comparent que des seuils sur une même variable. Le choix entre standardisation et normalisation min-max se fait sur la présence de valeurs extrêmes, la seconde y étant très sensible ; RobustScaler, fondé sur les centiles, s'impose sur des montants fortement asymétriques. L'encodage one-hot fait exploser la dimension sur les variables à forte cardinalité, d'où l'intérêt des modèles qui gèrent le catégoriel nativement. L'encodage par la cible est puissant mais fuit facilement : il doit être calculé à l'intérieur des plis de validation, jamais sur l'ensemble.
Un format d'échange qui permet d'entraîner un modèle avec un outil et de le servir avec un autre, souvent plus rapide et plus léger. Il découple ainsi le monde de la recherche de celui de la production. Testé sur ce projet — 39 % de taille en moins — puis écarté : le gain ne valait pas le risque, arbitrage documenté plutôt que subi.
En détail
La conversion doit être vérifiée prédiction par prédiction : un écart numérique minime sur une probabilité peut faire basculer une décision autour du seuil, et un modèle dont 0,1 % des décisions changent n'est pas le même modèle quand chacune engage un crédit. Le protocole consiste à comparer les sorties sur un échantillon large et à mesurer non pas l'écart moyen mais le nombre de décisions inversées. Le gain attendu — empreinte réduite, exécution optimisée, indépendance vis-à-vis de Python — est réel sur les réseaux de neurones ; il l'est beaucoup moins sur un modèle d'arbres déjà rapide, ce qui affaiblissait ici le rapport bénéfice-risque. Un arbitrage assumé en faveur de la fiabilité, à reconsidérer si la contrainte de taille devenait bloquante.
La bibliothèque Python qui manipule les données en tableaux : filtrer, joindre, regrouper, agréger, pivoter. C'est l'outil dans lequel se passe l'essentiel du travail avant que le modèle n'entre en scène, et l'endroit où l'on découvre ce que contiennent réellement les données — doublons, dates aberrantes, colonnes vides à 80 %.
En détail
Le piège classique est la copie implicite sur tranche, qui produit des avertissements et des résultats silencieusement faux : modifier le résultat d'un filtrage peut agir sur une copie temporaire au lieu du tableau d'origine, d'où l'usage systématique de .loc pour toute écriture. Le second est le type objet, qui absorbe silencieusement des colonnes mixtes et fait s'effondrer les performances. Au-delà de quelques millions de lignes, Polars ou DuckDB deviennent préférables — évaluation différée, exécution parallèle et empreinte mémoire bien moindre. Un contrôle systématique après chaque jointure — nombre de lignes attendu, taux de correspondance — évite la moitié des erreurs de préparation.
Ce qui est dans la mission et ce qui n'y est pas, écrit à l'avance. La liste de ce qu'on ne fera pas est aussi utile que l'autre, et bien plus rarement rédigée : c'est elle qu'on relit quand une demande arrive en cours de route. Sans elle, chaque ajout paraît raisonnable pris isolément, et l'ensemble finit par doubler la charge sans que personne n'ait décidé de rien.
En détail
Son élargissement progressif, une demande à la fois, est le mode d'échec le plus banal d'un projet — au point de porter un nom, la dérive du périmètre. La parade n'est pas le refus mais la renégociation explicite : toute demande nouvelle est chiffrée et arbitrée contre le délai ou contre une autre fonctionnalité, jamais absorbée en silence. En prestation, le périmètre est aussi ce qui distingue un forfait d'une régie : le premier fige le contenu et laisse le risque au prestataire, le second fige le temps et laisse le risque au client. Confondre les deux est la source principale des litiges de fin de mission.
Enfermer les transformations et le modèle dans un seul objet, pour que l'entraînement et la production appliquent exactement les mêmes traitements dans le même ordre. Sans cela, les deux finissent toujours par diverger — quelqu'un corrige une normalisation d'un côté et oublie l'autre, et le modèle reçoit en production des données qu'il n'a jamais vues sous cette forme.
En détail
Pipeline et ColumnTransformer de scikit-learn, le second permettant d'appliquer des traitements différents selon les colonnes — normalisation sur le numérique, encodage sur le catégoriel — tout en restant un seul objet sérialisable. C'est aussi la garantie que le prétraitement s'ajuste à l'intérieur de chaque pli de validation, ce qui prévient la forme la plus courante de fuite. L'objet complet est ce qu'on enregistre et ce qu'on charge derrière l'API : livrer les poids sans les transformations revient à livrer un modèle inutilisable. Sa contrepartie est la fragilité à la version : un objet sérialisé se recharge mal avec une version différente de la bibliothèque, d'où l'épinglage strict des dépendances dans l'image servie.
Une maquette construite vite, pour répondre à une seule question : est-ce que c'est faisable, et à quel prix ? On la jette ensuite sans regret — son rôle était de décider, pas de durer. La règle qui le distingue d'un prototype qui traîne : la question et le critère de réponse sont écrits avant de commencer, et le résultat est une décision, pas une démonstration à laquelle on s'attache.
En détail
La discipline consiste à écrire d'avance le critère qui tranchera, et à s'y tenir : « le modèle dépasse telle métrique sur ces données en moins de deux semaines, sinon on renonce ». Sans ce critère, un POC ne s'arrête jamais — on trouve toujours une piste de plus. Un POC qu'on garde faute d'avoir décidé devient une dette qu'on paie longtemps, d'autant qu'il a été écrit sans tests, sans gestion d'erreur et sans souci de reproductibilité. Le passage à la production ne consiste alors pas à « industrialiser » le POC mais à le réécrire, ce qui doit être annoncé au moment de le lancer plutôt que découvert après.
postgres · base relationnelle · sql · sqlite · jsonb
La base de données relationnelle de référence : les données y sont rangées en tables reliées entre elles, avec des garanties strictes sur la cohérence de ce qu'on écrit. Son intérêt principal n'est pas la vitesse mais la solidité — elle refuse activement d'enregistrer ce qui contredit les règles qu'on lui a données, ce qui évite de découvrir six mois plus tard que la moitié des lignes n'a pas de client associé.
En détail
Transactions ACID, types riches — dates, intervalles, tableaux, géométrie —, JSONB pour le semi-structuré et extension pgvector pour la recherche par similarité, ce qui permet de tenir un index vectoriel sans ajouter de base spécialisée tant que le volume reste raisonnable. Le choix par défaut ici, SQLite prenant le relais en local pour les cas légers, avec un dialecte SQL suffisamment proche pour que le code ne change pas. Une règle qui évite l'essentiel des ennuis : les requêtes se construisent toujours par paramètres liés, jamais par concaténation de chaînes, seule protection réelle contre l'injection SQL.
Deux questions différentes, qu'on confond souvent. Précision : parmi les dossiers que j'ai refusés, combien méritaient de l'être ? Rappel : parmi les vrais mauvais payeurs, combien ai-je attrapés ? Un modèle qui refuse tout le monde a un rappel parfait et une précision désastreuse ; un modèle qui ne refuse que le cas le plus évident fait l'inverse. Améliorer l'un dégrade presque toujours l'autre, et c'est le métier qui doit dire lequel compte le plus.
En détail
Précision = VP/(VP+FP), rappel = VP/(VP+FN). Sur données déséquilibrées, elles informent mieux que l'exactitude, qu'un modèle prédisant toujours la classe majoritaire maximiserait trivialement — 92 % de bonnes réponses en ne détectant aucun défaut. Le F1 en est la moyenne harmonique, utile pour un chiffre unique, mais il pèse les deux à égalité, ce qu'une fonction de coût asymétrique refuse justement de faire. La courbe précision-rappel, et l'aire sous cette courbe, décrivent le compromis sur toute la plage de seuils et restent lisibles là où la courbe ROC devient trop optimiste.
Le texte qu'on envoie au modèle : la consigne, le contexte, la question. Le formuler avec soin change radicalement la réponse — préciser le rôle attendu, le format de sortie et ce qu'il faut faire en cas de doute vaut souvent mieux qu'un modèle plus puissant. C'est devenu une part du travail d'ingénierie, avec les mêmes exigences que le reste du code.
En détail
Un prompt de production se versionne comme du code, se teste sur des cas de référence, et sépare la consigne système du contenu utilisateur — mélanger les deux ouvre la porte à l'injection. Trois pratiques donnent l'essentiel du gain : demander explicitement le format de sortie, en JSON quand la réponse est consommée par du code ; donner deux ou trois exemples plutôt qu'un long paragraphe d'explication ; et prévoir le cas d'échec, en autorisant nommément le refus de répondre. La longueur n'est pas une qualité : un prompt qui accumule les instructions contradictoires produit des résultats instables, et la seule façon de trancher entre deux formulations reste de les mesurer sur un jeu de cas.
Le langage dans lequel se fait l'essentiel du travail de données et d'IA : lisible, outillé, et porté par presque toutes les bibliothèques du domaine. Sa domination tient moins au langage lui-même qu'à son écosystème — pandas, scikit-learn, PyTorch, FastAPI — et au fait qu'il sert de façade à des bibliothèques compilées, si bien qu'on écrit du code lent qui appelle du code rapide.
En détail
Typé statiquement ici malgré son dynamisme natif, avec annotations et vérificateur : sur du code de production, l'erreur détectée à l'écriture coûte infiniment moins que la même en ligne. Les annotations n'ont aucun effet à l'exécution — elles ne valident rien par elles-mêmes — d'où le recours à Pydantic aux frontières, là où arrivent des données non fiables. Le verrou global de l'interpréteur limite le parallélisme sur processeur pour du calcul pur, ce qui est sans conséquence ici : les bibliothèques numériques le relâchent pendant leurs opérations, et un service d'inférence est de toute façon servi par plusieurs processus. La gestion des environnements et des versions reste le point de friction principal, que des outils comme uv réduisent nettement.
La bibliothèque qui sert à construire et entraîner les réseaux de neurones, utilisée pour les projets de vision de ce portfolio. On y décrit un modèle comme du code Python ordinaire — des couches empilées, une boucle d'entraînement — et la bibliothèque se charge du calcul des gradients et de leur exécution sur carte graphique. C'est aujourd'hui l'outil dominant, aussi bien en recherche que dans une bonne part de la production.
En détail
Graphe de calcul dynamique et différentiation automatique : le graphe se construit à l'exécution, ce qui rend le débogage naturel — un point d'arrêt fonctionne, une valeur s'inspecte. Écosystème dominant en recherche, et solide en production via TorchScript ou l'export ONNX, qui figent le graphe pour le sortir de Python. Les pièges les plus fréquents ne sont pas mathématiques mais matériels : oublier de basculer le modèle en mode évaluation, ce qui laisse actives les couches de régularisation aléatoire ; oublier de remettre les gradients à zéro, ce qui les accumule d'une itération à l'autre ; et charger tout un jeu de données sur la carte graphique au lieu de le servir par lots.
Donner à un modèle de langage les documents pertinents avant de lui poser la question, pour qu'il réponde à partir de sources réelles plutôt que de sa mémoire. Le modèle ne connaît rien de vos documents internes et n'a rien appris après sa date d'entraînement : le RAG comble ces deux manques sans le réentraîner. C'est aussi ce qui permet de citer et de vérifier, donc de faire relire une réponse par un humain.
En détail
Chaîne en deux temps : recherche des passages proches de la question dans un index vectoriel, puis génération conditionnée par ces passages. Déplace le problème de la connaissance vers celui de la recherche — un mauvais rappel condamne la réponse, quel que soit le modèle placé derrière, et c'est presque toujours là qu'il faut chercher quand un système déçoit. La recherche hybride, qui combine similarité vectorielle et correspondance lexicale, corrige le point faible du vectoriel seul : les noms propres, références et codes produits, que la proximité sémantique retrouve mal. L'évaluation se sépare en deux mesures distinctes, la qualité de la recherche et la fidélité de la réponse aux passages fournis, qu'il ne faut jamais confondre dans un même chiffre.
Un outil qui note un système RAG sans corrigé humain, en posant deux questions séparées : la réponse s'appuie-t-elle vraiment sur les sources retrouvées, et répond-elle à la question posée ? Cette séparation est ce qui le rend utile — elle indique si le problème vient de la recherche ou de la génération, deux pannes qui ne se corrigent pas au même endroit.
En détail
Métriques de fidélité, de pertinence de la réponse et de qualité du rappel, évaluées par un LLM juge à qui l'on demande de vérifier chaque affirmation contre les passages fournis. À prendre comme un signal comparatif entre versions, pas comme une vérité absolue : le juge a ses propres biais — préférence pour les réponses longues, indulgence envers un style proche du sien — et son verdict varie d'une exécution à l'autre. Deux précautions rendent la mesure exploitable : figer le modèle juge et sa version pendant toute la campagne, un changement de fournisseur invalidant les comparaisons, et conserver un petit jeu annoté à la main comme étalon pour vérifier que le juge ne dérive pas.
Beaucoup d'arbres de décision entraînés chacun sur un échantillon différent des données, dont on moyenne les avis. Comme chaque arbre se trompe différemment, les erreurs se compensent en partie. Robuste et difficile à mal régler : c'est le point de comparaison qu'on garde pour vérifier qu'un modèle plus savant apporte vraiment quelque chose, et il n'est pas rare qu'il tienne tête.
En détail
Bagging d'arbres décorrélés par double tirage aléatoire : les observations à la construction de chaque arbre, et un sous-ensemble de variables à chaque nœud. C'est cette seconde source de hasard qui distingue une forêt aléatoire d'un simple bagging, en empêchant tous les arbres de se concentrer sur la même variable dominante. Sert de baseline interprétable ; le boosting le dépasse en général sur données tabulaires, mais pas toujours assez pour justifier sa complexité. Deux avantages pratiques : les arbres étant indépendants, l'entraînement se parallélise trivialement, et l'erreur out-of-bag donne une estimation de performance gratuite, sans mettre de données de côté.
En renforcement, la récompense est le signal qui dit à l'agent s'il a bien fait ; la politique est sa stratégie, c'est-à-dire ce qu'il choisit de faire dans chaque situation. Toute la difficulté tient dans la première : c'est le seul endroit où l'on exprime ce qu'on veut, et l'agent obéira à la lettre de cette définition, jamais à l'intention qu'on avait derrière.
En détail
Mal concevoir la récompense, c'est obtenir un agent qui optimise la lettre et non l'intention — il apprendra à survoler indéfiniment la zone d'atterrissage plutôt qu'à s'y poser si seule la survie est récompensée. Le phénomène porte un nom, le détournement de récompense, et il se corrige moins par des pénalités ajoutées après coup que par une définition qui récompense l'état final visé. Une récompense éparse, versée seulement à la réussite, est la plus honnête mais la plus difficile à apprendre, l'agent n'ayant aucun signal tant qu'il n'a pas réussi par hasard ; la densifier accélère l'apprentissage au prix du risque de récompenser un comportement intermédiaire pour lui-même. La politique, elle, peut être déterministe ou stochastique, cette dernière étant nécessaire pour explorer et dans tout environnement où l'adversaire pourrait anticiper un comportement fixe.
Brider volontairement le modèle pour l'empêcher d'apprendre par cœur : limiter sa complexité, pénaliser les coefficients trop grands, ou arrêter l'entraînement dès que la performance cesse de progresser sur des données mises de côté. On accepte de moins bien coller aux exemples connus pour mieux se comporter sur les inconnus — c'est un échange délibéré, pas une perte.
En détail
Pénalités L1 et L2 sur les poids, aux effets distincts : L2 rétrécit tous les coefficients sans les annuler, L1 en met certains exactement à zéro et sélectionne donc les variables au passage. Côté arbres : profondeur, nombre de feuilles et minimum d'observations par feuille bornés, échantillonnage des lignes et des colonnes à chaque arbre. L'arrêt précoce sur un jeu de validation est la forme la plus économique, puisqu'elle ne coûte aucun essai supplémentaire. Le réglage se fait avec les autres hyperparamètres, jamais isolément : en boosting, régularisation et nombre d'arbres se compensent, et fixer l'un sans l'autre revient à optimiser une seule des deux moitiés d'un même compromis.
Pouvoir relancer un entraînement dans six mois et retrouver le même résultat. Sans cela, impossible de dire si un écart vient d'une amélioration réelle ou du hasard — et impossible de corriger un modèle dont on ne sait plus comment il a été obtenu. C'est aussi ce que demande un auditeur, dans des termes plus directs : montrez-moi comment vous avez produit ce chiffre.
En détail
Suppose de figer trois choses : la graine aléatoire, les versions de dépendances et la version des données. Les deux premières sont faciles — un fichier de verrouillage et une graine passée partout —, la troisième est celle qu'on néglige et qui coûte le plus cher, une table interrogée aujourd'hui ne rendant pas ce qu'elle rendait l'an dernier. La parade consiste à figer un instantané daté du jeu d'entraînement, stocké à part et référencé par le run. Deux sources de non-déterminisme résistent : le parallélisme, qui change l'ordre des sommations en virgule flottante, et le calcul sur carte graphique, dont certaines opérations n'ont pas de variante déterministe — d'où l'usage de rapporter une moyenne sur plusieurs graines plutôt qu'un chiffre unique.
Une seconde lecture, plus fine et plus lente, des quelques dizaines de passages remontés par la recherche rapide, pour ne garder que les meilleurs. On gagne en pertinence sans ralentir toute la chaîne, puisque le modèle coûteux ne voit qu'une poignée de candidats au lieu du corpus entier. C'est souvent l'amélioration au meilleur rapport effort-résultat sur un RAG décevant.
En détail
Modèle cross-encoder qui lit conjointement question et passage, là où l'embedding les encode séparément et ne peut donc pas juger de leur interaction. Appliqué au petit ensemble candidat — typiquement les vingt à cinquante premiers résultats —, son coût reste acceptable. Le gain vient autant du reclassement que du filtrage : un score de pertinence calibré permet d'écarter les passages hors sujet, et donc de répondre « je ne sais pas » plutôt que de générer à partir de bruit. Le réglage consiste à choisir combien de candidats on soumet au reclasseur et combien on en conserve, deux nombres qui s'optimisent séparément sur un jeu de questions de référence.
Un réseau de neurones à cinquante couches, éprouvé et pré-entraîné sur des millions d'images. On le réutilise comme extracteur de caractéristiques plutôt que de l'entraîner depuis rien : ses premières couches ont déjà appris à reconnaître contours, textures et formes élémentaires, savoirs qui valent pour n'importe quelle image. Il reste, malgré son âge, une référence solide et peu coûteuse face à des architectures plus récentes.
En détail
Ses connexions résiduelles — chaque bloc apprend un écart plutôt qu'une transformation complète — laissent passer le gradient et rendent l'entraînement profond stable, là où les réseaux très profonds antérieurs se dégradaient au lieu de s'améliorer. Employé ici en extracteur figé, ses représentations de 2048 dimensions alimentant un clustering. Deux détails déterminent la qualité du résultat : normaliser les images avec les statistiques d'ImageNet, sous peine de représentations décalées, et choisir la couche d'extraction — une couche trop profonde encode des catégories d'objets du quotidien, peu pertinentes pour de l'imagerie médicale, où une couche intermédiaire transfère souvent mieux.
Faire relire ses modifications par quelqu'un d'autre avant de les intégrer. On y attrape des erreurs, mais ce n'est pas le principal : on y répand la connaissance du code au-delà de celui qui l'a écrit, ce qui évite qu'une partie du projet ne dépende d'une seule personne. Une bonne revue pose des questions plutôt qu'elle ne donne des ordres, et distingue ce qui doit changer de ce qui relève d'une préférence.
En détail
Rendue plus utile par des changements courts — au-delà de quelques centaines de lignes, l'attention du relecteur s'effondre et le taux de défauts trouvés avec elle — et par l'automatisation de tout ce qui est mécanique : style, format, tests, typage. La discussion porte alors sur les décisions, seul endroit où un humain apporte quelque chose. Le message qui accompagne la modification compte autant que le code : il doit expliquer le pourquoi, que le diff ne montre jamais. Sur ce dépôt, l'intégration continue bloque la fusion tant que les tests, la régénération de l'index et la vérification des liens ne passent pas.
Le règlement européen sur les données personnelles, en vigueur depuis 2018. Pour un modèle de crédit, il impose de savoir quelles données on utilise, pourquoi, combien de temps on les garde, et de pouvoir expliquer une décision automatisée à la personne qui la subit. Ce n'est pas une couche administrative posée à la fin : la minimisation des données et la traçabilité se décident au cadrage, parce qu'elles déterminent quelles variables on a le droit de collecter.
En détail
L'article 22 encadre la décision entièrement automatisée et ouvre un droit à l'intervention humaine et à l'explication : ce n'est pas un raffinement de confort, c'est ce qui rend l'explicabilité obligatoire ici, et donc SHAP nécessaire plutôt qu'optionnel. Les autres articles qui pèsent sur un projet de modèle : la minimisation, qui interdit de collecter « au cas où » ; la limitation de conservation, qui impose une durée écrite ; et l'article 35, qui déclenche une analyse d'impact dès lors que le traitement présente un risque élevé — ce qui est le cas d'un scoring décidant de l'accès au crédit. Un registre des traitements consigne l'ensemble, et se tient à jour à chaque réentraînement qui change les données d'entrée.
Pouvoir revenir à la version précédente en quelques minutes quand la nouvelle se comporte mal. C'est ce qui rend un déploiement acceptable : non pas l'absence de panne, mais la capacité à en sortir vite. Une équipe qui sait revenir en arrière déploie souvent et sereinement ; une équipe qui ne le sait pas déploie rarement, en grosses livraisons, ce qui rend chaque mise en production plus risquée que la précédente.
En détail
Suppose des images versionnées et immuables — on redéploie une image existante, on ne reconstruit pas —, et un modèle rechargeable indépendamment du code, faute de quoi corriger un modèle impose de rejouer toute la chaîne. Le temps de retour arrière est une métrique d'exploitation à part entière, et se mesure en le pratiquant plutôt qu'en le supposant. Deux obstacles se rencontrent : une migration de base non réversible, qui interdit de revenir en arrière une fois appliquée, d'où la règle de la rendre compatible avec les deux versions ; et l'état accumulé pendant que la mauvaise version tournait — prédictions journalisées, effets envoyés en aval — qui ne disparaît pas avec elle.
La capacité à encaisser dix ou cent fois plus de trafic sans tout réécrire. Le journal en fichier de ce projet, par exemple, ne passe pas à l'échelle : deux instances écrivant dans le même fichier local ne partagent rien et se marchent dessus. C'est une limite connue et assumée, chiffrée dans le rapport plutôt que découverte le jour où le trafic monte.
En détail
Se gagne par la réplication horizontale d'un service sans état, ce qui suppose de sortir l'état — journaux, modèle, sessions — du conteneur, vers un stockage objet ou une base. Un fichier local rend justement l'instance non réplicable. La montée verticale, qui consiste à prendre une machine plus grosse, est plus simple mais bute vite sur un plafond et ne protège d'aucune panne. Deux vérifications précèdent tout dimensionnement : identifier le maillon qui sature en premier, presque jamais celui qu'on croit, et mesurer sous charge réelle plutôt que d'extrapoler depuis une requête isolée. Le passage à l'échelle d'un service d'inférence bute souvent sur la mémoire, chaque réplique chargeant sa propre copie du modèle.
La bibliothèque Python de référence pour l'apprentissage automatique classique : découpage des données, prétraitements, modèles et métriques, avec la même interface partout. Cette uniformité est son principal apport — tout objet s'entraîne et prédit de la même façon, ce qui permet de remplacer un modèle par un autre sans réécrire le code autour.
En détail
Fournit surtout les Pipeline et ColumnTransformer qui enferment le prétraitement avec le modèle — c'est ce qui garantit qu'entraînement et production appliquent exactement les mêmes transformations, et que l'ajustement d'un normaliseur se fait à l'intérieur de chaque pli de validation. Sa convention d'interface, ajustement puis transformation ou prédiction, est reprise par LightGBM et XGBoost, ce qui les rend interchangeables dans une même chaîne. Ses limites sont assumées : rien pour l'apprentissage profond, rien pour les données qui ne tiennent pas en mémoire, et un parallélisme qui s'arrête à la machine. Pour du tabulaire de taille raisonnable, c'est-à-dire l'essentiel des cas réels, elle suffit largement.
Donner à chaque demande de prêt une note entre 0 et 1 qui estime le risque que le client ne rembourse pas. Le modèle apprend sur l'historique des dossiers déjà soldés — revenus, ancienneté, encours en cours, incidents passés — et repère les combinaisons qui ont précédé les défauts. Il ne rend jamais un « oui » ou un « non », mais une probabilité, que la banque transforme ensuite en décision. Et comme un refus doit pouvoir s'expliquer à la personne concernée, la note seule ne suffit pas : il faut savoir quelles informations l'ont produite.
En détail
Classification binaire supervisée, presque toujours très déséquilibrée : les défauts représentent moins de 10 % des dossiers. Le modèle produit une probabilité ; c'est le seuil qui en fait une décision, et ce seuil se règle sur une fonction de coût métier plutôt que sur l'exactitude, parce qu'un refus à tort et un défaut non détecté ne coûtent pas la même chose. Sur ce projet, le modèle servi atteint une AUC de 0,78 sur un test figé, avec un seuil de 0,48, et SHAP explique chaque décision. L'API en production renvoie ce seuil avec chaque score. Chaque lundi, un workflow surveille la dérive des données et le coût métier, et réentraîne un challenger en cas d'alerte.
Attribuer une catégorie à chaque pixel de l'image, plutôt qu'une seule étiquette à l'image entière. C'est ce qui permet de découper précisément un vêtement sur une photo, ou de délimiter une lésion sur une IRM plutôt que de dire seulement qu'elle est présente. C'est aussi la tâche la plus coûteuse à annoter, puisqu'il faut tracer les contours à la main sur chaque exemple d'apprentissage.
En détail
Évaluée par intersection sur union (IoU) entre masque prédit et masque de référence, moyennée par classe. Un modèle pré-entraîné suffit souvent à trancher la faisabilité avant d'investir dans l'annotation — quelques dizaines d'images suffisent à savoir si la piste tient. Les architectures usuelles reposent sur un encodeur qui réduit la résolution et un décodeur qui la restaure, avec des connexions directes entre niveaux correspondants pour ne pas perdre le détail fin : c'est le schéma de U-Net, conçu précisément pour l'imagerie biomédicale et le peu de données annotées. Le déséquilibre y est structurel, l'objet occupant souvent une faible fraction des pixels, ce qui rend l'exactitude par pixel trompeuse et impose des fonctions de perte adaptées.
Le modèle rend une probabilité comprise entre 0 et 1 ; il faut bien décider à partir de quelle valeur on refuse. C'est ce curseur qui transforme un nombre en décision : 0,48 pour le modèle servi sur ce projet, au lieu du 0,50 que la plupart des bibliothèques appliquent par défaut. Le déplacer ne change rien au modèle : cela change seulement la sévérité de la banque, et donc la répartition entre les deux façons de se tromper.
En détail
Le seuil est choisi en balayant l'intervalle [0,1] et en retenant la valeur qui minimise le coût métier sur les prédictions out-of-fold — jamais sur les données d'entraînement, qui donneraient un réglage trop optimiste. C'est un levier stratégique ajustable sans réentraîner : le durcir rend la banque frileuse et fait chuter le taux d'acceptation, l'abaisser la rend imprudente. Il mérite d'être revu périodiquement, car il dépend de la distribution des scores : si celle-ci dérive, un seuil calibré l'an dernier ne sépare plus au même endroit. C'est aussi le paramètre le plus simple à expliquer à un métier, ce qui en fait un bon point d'entrée pour discuter du compromis.
Une méthode qui dit, pour un dossier précis, quelles informations ont poussé le score vers le haut et lesquelles l'ont tiré vers le bas, avec un chiffre pour chacune. Indispensable quand il faut expliquer un refus à un client — ou à un régulateur, qui ne se satisfera pas d'un « le modèle a décidé ainsi ». C'est ce qui distingue un modèle utilisable en crédit d'un modèle qu'on ne peut pas déployer.
En détail
Valeurs de Shapley issues de la théorie des jeux : chaque variable reçoit sa contribution marginale moyenne sur toutes les coalitions possibles de variables, seule répartition qui satisfasse simultanément l'additivité, la symétrie et l'absence de contribution pour une variable sans effet. Donne une lecture locale, par prédiction, et globale, par agrégation des valeurs absolues. Le calcul exact est exponentiel ; TreeSHAP l'obtient en temps polynomial sur les modèles à base d'arbres, ce qui le rend praticable ici. Deux réserves à connaître : les valeurs se répartissent arbitrairement entre variables corrélées, et une contribution n'est pas une cause — elle décrit ce que le modèle a fait, pas ce qui se passerait si la variable changeait réellement.
Une façon de mesurer si deux textes parlent de la même chose, en comparant la direction de leurs vecteurs plutôt que leur longueur. Un texte court et un texte long sur le même sujet pointent dans la même direction et restent donc proches, là où une distance ordinaire les éloignerait simplement parce que l'un contient plus de mots que l'autre. C'est la mesure par défaut de toute recherche sémantique.
En détail
Produit scalaire de deux vecteurs normalisés, donc comprise entre -1 et 1. Sur des vecteurs à composantes positives — ce que produisent TF-IDF et la plupart des encodeurs — elle reste dans [0,1] et vaut 0 pour des sujets sans rapport. C'est le score affiché en pourcentage par la recherche de ce site, avec un seuil de retenue calibré séparément pour les sections et pour les documents. Une propriété pratique : sur des vecteurs déjà normalisés, elle est équivalente à la distance euclidienne pour l'ordre du classement, ce qui permet d'utiliser des index approximatifs conçus pour cette dernière sans changer les résultats.
engagement de service · service level agreement · disponibilité
L'engagement chiffré sur la qualité d'un service : tant de disponibilité, telle vitesse de réponse, dans telle fenêtre horaire. L'hébergement gratuit de ce portfolio n'en offre aucun — d'où la première requête parfois lente, l'instance étant mise en veille après inactivité. Passer d'une démonstration à un service engagé change moins la technique que le coût.
En détail
Se rédige en centiles et sur une fenêtre d'observation, avec une contrepartie en cas de manquement — sans quoi c'est une intention, pas un engagement. Les ordres de grandeur méritent d'être connus : 99 % de disponibilité laissent plus de sept heures d'indisponibilité par mois, 99,9 % en laissent quarante-trois minutes, et chaque neuf supplémentaire coûte davantage que le précédent. On distingue l'objectif interne, fixé plus strict, de l'engagement contractuel, la marge entre les deux constituant le budget d'erreur que l'équipe peut dépenser en déploiements. Passer d'un hébergement gratuit à un service avec engagement est le premier poste de coût d'une mise en production réelle, et se chiffre au cadrage plutôt qu'après.
Un espace de stockage de fichiers accessible par le réseau, sans limite pratique de taille, où l'on dépose modèles, journaux et jeux de données. Chaque fichier y est désigné par une clé et récupéré en entier ; il n'y a ni dossiers réels ni possibilité de modifier une portion au milieu. C'est la réponse à la limite du journal en fichier local de ce projet, qui disparaît au redémarrage du conteneur.
En détail
Durable, répliqué, facturé à l'usage, mais avec une latence de plusieurs millisecondes et sans écriture partielle : modifier un octet impose de réécrire l'objet entier. C'est ce qui rend un service réplicable, puisque l'état sort du conteneur et cesse d'appartenir à une instance particulière. Deux conséquences à anticiper : le coût réel vient souvent des requêtes et du transfert sortant plus que du volume stocké, et la cohérence des listages peut être différée selon les fournisseurs, si bien qu'un objet vient d'être écrit sans apparaître immédiatement dans une énumération. Les règles de cycle de vie — passage en archivage puis suppression automatique — évitent que les journaux ne s'accumulent indéfiniment.
Un moyen de transformer un script Python en interface web en quelques lignes, sans écrire une seule ligne de HTML ni de JavaScript. On déclare un curseur, un tableau, un graphique, et la page se construit toute seule. Idéal pour donner à voir un tableau de bord de suivi ou faire manipuler un modèle à un métier — beaucoup moins adapté dès qu'il faut une vraie navigation, plusieurs pages liées ou une gestion fine des états.
En détail
Réexécute le script en entier à chaque interaction, ce qui rend le modèle mental très simple — pas d'état à gérer, pas de rappel d'événement — mais impose de mettre en cache les traitements lourds sous peine de recharger le modèle à chaque clic. Le cache se déclare par décorateur et se distingue selon qu'il s'agit de données ou d'une ressource à ne créer qu'une fois, comme une connexion. Sert ici à exposer les rapports de dérive. Sa limite pratique : au-delà de quelques utilisateurs simultanés, chaque session consomme son propre processus, ce qui en fait un outil de démonstration ou d'usage interne plutôt qu'un produit destiné au public.
Le modèle apprend par cœur les exemples d'entraînement, bruit compris, au lieu d'en tirer une règle générale. Excellent sur ce qu'il a déjà vu, médiocre sur tout le reste — comme un élève qui aurait mémorisé les corrigés sans comprendre la méthode. C'est le compromis central de l'apprentissage : un modèle trop simple ne capte pas la structure, un modèle trop souple capte aussi le hasard.
En détail
Se lit à l'écart entre performance d'entraînement et de validation : un écart qui se creuse pendant que la validation stagne ou se dégrade est le signal caractéristique. Contenu par régularisation, arrêt précoce, limitation de la profondeur et du nombre de feuilles des arbres, et, quand c'est possible, par davantage de données — le remède le plus efficace et le plus rarement disponible. Le symétrique existe et se néglige : un modèle sous-appris échoue également sur l'entraînement, ce qui se corrige en augmentant la capacité plutôt qu'en la bridant. Sur peu de données, l'écart mesuré sur un seul découpage est lui-même bruité, d'où l'intérêt de le lire sur les cinq plis.
décomposition en valeurs singulières · réduction de dimension · acp
Une opération d'algèbre qui décompose un grand tableau en quelques directions principales, celles qui portent l'essentiel de l'information. On la retrouve partout sous des noms différents : comprimer une image, réduire un jeu de variables, recommander un film, ou ici rapprocher des textes par le sens. L'idée commune est toujours la même — remplacer beaucoup de dimensions bruitées par peu de dimensions informatives.
En détail
Toute matrice se factorise en U Σ Vᵀ, où Σ porte les valeurs singulières par ordre décroissant d'importance. Tronquée à un rang faible, la décomposition donne l'approximation optimale au sens des moindres carrés — c'est le théorème d'Eckart-Young, et c'est ce qui justifie de ne garder que les premières composantes. C'est le moteur de la LSA qui fait fonctionner la recherche de ce site, entièrement hors ligne. Elle est étroitement liée à l'analyse en composantes principales, qui n'en est que l'application à une matrice préalablement centrée, et le choix du rang se fait en regardant où la décroissance des valeurs singulières s'aplatit.
Le réglage qui décide si le modèle joue la sécurité ou l'originalité. Basse, il répond de façon stable et prévisible, en choisissant presque toujours la suite la plus probable ; haute, il varie, explore et invente davantage. Le bon réglage dépend entièrement de l'usage : on veut de la variété pour un brouillon créatif, et surtout pas pour restituer un document.
En détail
Elle divise les scores avant la normalisation qui produit la distribution de probabilité du token suivant, aplatissant celle-ci quand elle monte et l'accentuant quand elle descend. À zéro, le modèle prend systématiquement le token le plus probable — sans pour autant garantir une reproductibilité stricte, l'ordre des opérations en virgule flottante variant d'une exécution à l'autre sur matériel parallèle. En RAG on la garde basse : on veut restituer fidèlement des sources, pas produire des variations. Elle se combine au top-p, qui limite le tirage aux tokens couvrant une masse de probabilité donnée ; régler les deux simultanément rend l'effet difficile à prévoir, mieux vaut n'en faire varier qu'un.
Du code écrit pour vérifier le code. Il tourne à chaque modification et prévient dès qu'un comportement change sans qu'on l'ait voulu. Son intérêt n'est pas de prouver que le programme est juste — c'est de rendre le changement possible : sans filet, on n'ose plus toucher à ce qui fonctionne, et le projet se fige. La couverture dit quelle part du code il traverse, ce qui n'est pas la même chose que ce qu'il vérifie.
En détail
pytest côté Python, Vitest côté JavaScript. La couverture est un signal, jamais une cible : 96 % de lignes traversées sans assertion utile ne protège de rien, et viser un chiffre produit des tests écrits pour le chiffre. Sur un projet de modèle, trois familles comptent plus que les tests unitaires classiques : la validation des entrées et des sorties de l'API, la cohérence entre le prétraitement d'entraînement et celui d'inférence, et un test de non-régression sur quelques prédictions de référence dont on connaît le résultat attendu. Un test de régression s'écrit avant le correctif, jamais après : c'est ce qui prouve qu'il attrape réellement le défaut.
Le tarif d'une journée de prestation en freelance. Multiplié par le nombre de jours estimés, il donne le coût d'une mission — avec un périmètre annoncé à l'avance plutôt qu'une facture qui s'allonge. Il ne se compare pas à un salaire journalier : il couvre les charges, les congés, les périodes sans mission, la formation et le matériel, ce qui représente une part importante du montant affiché.
En détail
S'apprécie au regard du livrable, pas de l'heure passée : une mission cadrée, avec critère d'acceptation et durée annoncée, protège autant le client que le prestataire — le premier sait ce qu'il paie, le second n'a pas à justifier son rythme. Le choix entre forfait et régie découle du périmètre : un besoin bien défini se traite au forfait, où le risque de dérive est porté par le prestataire ; un besoin exploratoire se traite en régie, où il est porté par le client. Annoncer un forfait sur un périmètre flou revient à provisionner l'incertitude dans le prix, ce qui coûte plus cher aux deux parties qu'un cadrage facturé séparément.
Les modèles de langage ne lisent pas des mots mais des fragments — les tokens — et se facturent à la quantité lue et écrite. Surveiller cette consommation, c'est surveiller la facture, et c'est la seule métrique d'exploitation qui manque totalement aux modèles classiques. Un système qui fonctionne parfaitement mais coûte dix centimes par question n'est pas déployable à grande échelle.
En détail
Environ 0,75 mot par token en français, un peu moins qu'en anglais, la plupart des vocabulaires ayant été construits majoritairement sur ce dernier — les accents et les mots longs y coûtent plus cher. En RAG, le contexte injecté domine largement le coût : allonger les passages retrouvés se paie à chaque requête, alors que la réponse produite reste courte. Trois leviers réduisent la facture sans dégrader la qualité : reclasser puis ne conserver que les meilleurs passages plutôt que d'en injecter dix, mettre en cache le préfixe stable du prompt quand le fournisseur le facture moins cher, et router les questions simples vers un modèle plus petit. Le suivi se fait par requête et par utilisateur, sinon une dérive de coût n'est visible qu'en fin de mois.
Réutiliser ce qu'un modèle a appris sur une immense collection d'images pour l'appliquer à un problème où l'on dispose de très peu d'exemples annotés. En imagerie médicale, c'est presque toujours indispensable : personne ne réunit un million d'IRM annotées par un radiologue, alors qu'un modèle entraîné sur des photos du quotidien a déjà appris ce qu'est un contour ou une texture.
En détail
Les premières couches captent des motifs génériques — contours, textures, orientations — transférables d'un domaine à l'autre ; les dernières encodent des concepts propres au jeu d'origine et transfèrent mal. Deux stratégies : geler les couches basses et ne réentraîner que la tête, ce qui suffit avec peu de données et protège du surapprentissage ; ou affiner l'ensemble à faible taux d'apprentissage, préférable dès que l'on dispose de quelques milliers d'exemples et que le domaine s'éloigne de l'original. L'écart entre domaines est le facteur décisif : le transfert depuis des photographies naturelles vers de l'imagerie médicale fonctionne, mais moins bien que ce que laissent croire les résultats publiés sur des jeux voisins d'ImageNet.
L'architecture de réseau qui a rendu possibles les modèles de langage actuels. Sa force tient à un mécanisme simple : chaque mot pèse l'importance de tous les autres mots de la séquence, plutôt que de lire strictement de gauche à droite. Un pronom peut ainsi se rattacher directement à un nom situé trente mots plus tôt, sans que l'information ait à transiter par tout ce qui les sépare.
En détail
Mécanisme d'attention dont le coût croît avec le carré de la longueur de séquence — d'où le prix des contextes longs, et l'abondance de travaux visant à l'approcher plus efficacement. Sa seconde propriété décisive est la parallélisation : contrairement aux réseaux récurrents qu'il a remplacés, tous les positions se calculent simultanément à l'entraînement, ce qui a rendu exploitables les corpus de plusieurs centaines de milliards de mots. L'ordre des mots, que l'attention ignore par construction, est réintroduit par un encodage de position. Décliné en vision par découpage de l'image en imagettes traitées comme une séquence, il y concurrence désormais les réseaux convolutifs dès que les données d'entraînement sont abondantes.
Du JavaScript auquel on ajoute des types, afin que les erreurs se voient à l'écriture plutôt qu'en production. Déclarer qu'une fonction attend un nombre et rend une chaîne permet à l'éditeur de signaler immédiatement tout appel qui ne respecte pas ce contrat. Le pendant, côté web, du typage strict que je mets en Python — même intention, même bénéfice : l'erreur détectée avant l'exécution ne coûte rien.
En détail
Vérification statique à la compilation, sans coût à l'exécution : les types disparaissent à la transpilation, il ne reste que du JavaScript. En mode strict, l'essentiel du bénéfice vient de l'élimination des valeurs nulles implicites, qui obligent à traiter explicitement le cas absent au lieu de le découvrir en production. Le typage n'est cependant qu'une convention interne : une réponse d'API déclarée d'un type ne l'est pas pour autant à l'exécution, et toute donnée venue de l'extérieur doit être validée par un schéma. C'est exactement le rôle que tient Pydantic côté Python, à la frontière d'une API FastAPI.
Des cases vides dans les données. Les remplir par une moyenne est commode mais invente de l'information et resserre artificiellement la distribution ; parfois l'absence elle-même est un signal qu'il vaut mieux conserver — un client sans historique de crédit n'est pas un client au revenu moyen. La première question à poser n'est donc pas comment combler, mais pourquoi c'est vide.
En détail
Trois régimes se distinguent : manquant complètement au hasard, manquant conditionnellement à d'autres variables observées, et manquant pour une raison liée à la valeur elle-même — le dernier cas, le plus fréquent en crédit, étant celui qu'aucune imputation ne corrige sans biais. LightGBM apprend une direction par défaut pour les manquants à chaque nœud, ce qui évite d'imputer et exploite l'information portée par l'absence. Quand l'imputation s'impose, elle s'ajuste dans les plis de validation, jamais sur l'ensemble des données, et gagne à être accompagnée d'un indicateur binaire signalant que la valeur a été reconstituée. Un taux de manquants qui change entre l'entraînement et la production est par ailleurs un signal de dérive à part entière.
Découper les données en cinq parts, entraîner cinq fois en gardant chaque fois une part différente de côté pour l'évaluation, puis moyenner les cinq notes. On obtient un résultat plus fiable qu'avec un seul découpage, qui pourrait tomber par chance sur un jeu facile ou difficile. On y gagne aussi une idée de la stabilité : cinq notes très dispersées signalent un modèle qui dépend trop du hasard du découpage.
En détail
Stratifiée ici, pour conserver le taux de défaut dans chaque pli malgré le déséquilibre — sans cela, un pli peut se retrouver presque sans cas positifs et rendre la métrique instable. Fournit à la fois l'écart-type de la performance, qui doit accompagner toute moyenne annoncée, et les prédictions out-of-fold utilisées pour calibrer le seuil. Deux variantes s'imposent selon les données : le découpage par groupes quand plusieurs lignes concernent un même client, sans quoi le modèle retrouve en validation quelqu'un qu'il a vu à l'entraînement ; et le découpage temporel quand la donnée est datée, un modèle ne devant jamais être évalué sur un passé qu'il connaît déjà.
Les quatre cas possibles, notés VP, VN, FP et FN. Les deux façons de se tromper sont les plus parlantes : faux négatif, on accorde un prêt à quelqu'un qui ne remboursera pas ; faux positif, on refuse un client qui aurait payé. Le premier coûte un capital, le second une marge et un client mécontent. Aucun réglage ne permet de faire disparaître les deux à la fois : on choisit lequel on préfère commettre, et ce choix est une décision d'entreprise, pas un détail technique.
En détail
Les deux cases hors diagonale de la matrice de confusion. Leur rapport de coût — 10 contre 1 sur ce projet — est ce qui rend la métrique asymétrique et déplace le seuil vers le bas. Attention au vocabulaire : « positif » désigne la classe qu'on cherche à détecter, ici le défaut de paiement, si bien qu'un faux positif est un bon client refusé. L'inversion de cette convention d'un document à l'autre est une source d'erreur classique en revue, et vaut d'être fixée noir sur blanc au cadrage. En production, c'est le taux de faux positifs qui remonte le plus vite par les réclamations clients, alors que les faux négatifs ne se voient qu'aux impayés, plusieurs mois plus tard.
Le cadre JavaScript avec lequel j'ai construit des interfaces pendant cinq ans, avant de basculer vers l'IA. Quasar est la bibliothèque de composants qui l'accompagne et fournit ce qu'on ne veut pas réécrire : formulaires, tableaux, fenêtres, mise en page adaptative. Vue occupe une place intermédiaire entre les bibliothèques minimales et les cadres complets — assez structurant pour tenir un projet à plusieurs, assez léger pour être appris en quelques jours.
En détail
Composition API et typage TypeScript strict, la première ayant remplacé l'organisation par options en rendant la logique réutilisable hors des composants. La réactivité repose sur des proxys : une valeur observée déclenche le rendu des seuls composants qui la lisent, sans comparaison d'arbre à chaque changement. Cette expérience front reste directement utile côté IA : rendre un modèle utilisable demande une interface, et savoir la construire évite de dépendre de quelqu'un d'autre pour montrer un résultat. Elle sert aussi à dialoguer avec les équipes qui consommeront l'API — connaître les contraintes du navigateur, CORS et formats compris, change la façon dont on la conçoit.
Expliquer un résultat technique à qui décide sans être technicien : traduire une AUC en risque accepté, une dérive en alerte à traiter, un seuil en taux de refus. Un modèle que personne ne comprend ne sera pas utilisé, ou pire, sera utilisé de travers. L'exercice consiste moins à retirer des mots compliqués qu'à changer de point de départ : partir de la décision que l'interlocuteur doit prendre, pas de la méthode qui a produit le chiffre.
En détail
Ce n'est pas simplifier jusqu'à l'approximation : c'est choisir le niveau de détail qui permet de décider juste. La ligne à ne pas franchir est celle où la simplification changerait la décision — dire qu'un modèle « a 78 % de réussite » quand il s'agit d'une AUC est faux et conduit à des attentes qu'aucun seuil ne satisfera. Trois réflexes aident : donner un ordre de grandeur avant la métrique, nommer l'erreur qu'on accepte en même temps que la performance qu'on annonce, et montrer un cas concret plutôt qu'une moyenne. Ce glossaire relève du même exercice, avec ses deux niveaux de lecture.
Un autre modèle de boosting d'arbres, cousin de LightGBM et longtemps la référence des compétitions de science des données. Ici il fait jeu égal en précision, mais coûte plus cher à servir : temps d'entraînement plus long et artefact plus lourd. L'écart de performance entre les deux est en général si faible qu'il se décide sur des critères d'exploitation plutôt que sur la métrique.
En détail
Croissance en largeur (level-wise) plutôt qu'en profondeur : l'arbre se développe niveau par niveau, ce qui le rend plus régulier et moins enclin au surapprentissage sur petit jeu, mais plus lourd à calculer. Il a introduit la régularisation explicite du nombre de feuilles et des poids dans la fonction objectif, apport repris depuis par ses concurrents. Écarté au profit de LightGBM sur le critère de la mise en production, pas sur celui de la performance. La troisième famille, CatBoost, se distingue par son traitement des variables catégorielles à forte cardinalité et mérite d'être essayée quand celles-ci dominent le jeu de données.
Demander une tâche au modèle sans lui montrer d'exemple, ou en lui en glissant deux ou trois dans la consigne. Souvent, trois exemples bien choisis valent mieux qu'un long paragraphe d'explication : ils montrent le format attendu, le niveau de détail et le traitement des cas limites en même temps, là où une consigne verbale laisse chacun d'eux à l'interprétation.
En détail
À essayer avant tout affinage : le gain est immédiat et sans coût d'entraînement, et il suffit dans une grande majorité des cas. Les exemples consomment en revanche du contexte à chaque appel, donc du budget — c'est le moment de comparer avec un fine-tuning quand le volume d'appels devient important, celui-ci internalisant les exemples une fois pour toutes. Le choix des exemples compte plus que leur nombre : ils doivent couvrir les cas difficiles et les cas de refus, pas seulement les cas évidents, et leur ordre a un effet mesurable — le dernier exemple pèse davantage. Un déséquilibre entre catégories dans les exemples se retrouve directement dans les sorties du modèle.