Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Méthodes d'interprétation globale
Techniques qui expliquent le comportement global et général d'un modèle sur l'ensemble des données
Méthodes d'interprétation locale
Approches qui expliquent les prédictions individuelles pour des observations spécifiques
Attribution de caractéristiques
Techniques quantifiant l'importance et l'impact de chaque caractéristique sur les prédictions du modèle
Interprétabilité des modèles profonds
Méthodes spécialisées pour comprendre et expliquer les réseaux de neurones profonds
Visualisation d'interprétabilité
Représentations graphiques et visuelles pour faciliter la compréhension des décisions des modèles
Méthodes spécifiques aux modèles
Techniques d'interprétation adaptées à des types particuliers de modèles comme les arbres de décision
Interprétabilité contre-explicative
Génération de contre-exemples pour expliquer pourquoi une prédiction spécifique a été faite
Métriques d'évaluation de l'interprétabilité
Indicateurs et mesures pour quantifier la qualité et la fiabilité des explications des modèles
Interprétabilité causale
Analyse des relations de cause à effet dans les décisions des modèles d'IA
Interprétabilité pour modèles ensemblistes
Techniques spécifiques pour interpréter les random forests, gradient boosting et autres modèles ensemblistes
Interprétabilité temporelle
Méthodes pour expliquer les modèles travaillant sur des données séquentielles et temporelles
Interprétabilité multimodale
Approches pour expliquer les modèles combinant plusieurs types de données (texte, image, son)
Interprétabilité contrastive
Techniques comparant les décisions du modèle à travers différents scénarios et conditions
Explications par prototypes
Méthodes basées sur l'identification d'exemples représentatifs pour expliquer les prédictions
Interprétabilité sensible au contexte
Approches adaptant les explications au domaine d'application et au public cible