Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Différence-en-Différences (DiD)
Méthode quasi-expérimentale estimant l'effet causal d'un traitement en comparant l'évolution du résultat dans un groupe traité à celle d'un groupe de contrôle avant et après l'intervention.
Régression à la Discontinuité (RDD)
Approche d'inférence causale exploitant un seuil ou une coupure dans l'assignation du traitement pour comparer les unités juste de part et d'autre de cette discontinuité, supposées similaires hormis le traitement.
Causal Quantile Treatment Effect (QTE)
Mesure de l'effet hétérogène d'un traitement à différents quantiles de la distribution du résultat, offrant une vision plus nuancée que l'effet moyen en révélant comment l'impact varie sur la distribution.
Hétérogénéité de l'Effet Causal (HTE)
Étude de la variation de l'effet causal d'un traitement à travers les sous-populations ou en fonction des caractéristiques des individus, cruciale pour le personnalisation et l'équité des algorithmes.
Appariement Causal (Causal Matching)
Technique visant à créer des échantillons de traitement et de contrôle comparables en appariant chaque unité traitée avec une ou plusieurs unités non traitées ayant des valeurs similaires de covariables, souvent via le score de propension.
Modèle à Variables Latentes pour la Causalité
Approche statistique incorporant des variables non observées (latentes) pour représenter des facteurs de confusion ou des traits cachés, permettant de modéliser des relations causales plus complexes et réalistes.