Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Inférence Causale
Processus statistique visant à établir des relations de cause à effet entre variables en distinguant les corrélations des véritables liens causaux, essentiel pour comprendre l'impact réel des interventions.
Graphe Causal Acyclique (DAG)
Représentation graphique des relations causales entre variables où les nœuds symbolisent les variables et les flèches orientées indiquent les influences directes, sans cycle possible pour maintenir la cohérence causale.
Contrefactuel
Scénario hypothétique décrivant ce qui se serait produit si une cause avait été différente, permettant d'estimer l'effet causal en comparant la situation réelle à cette alternative imaginaire.
Variable de Confusion
Variable influençant simultanément la cause et l'effet étudié, créant une association spurious qui peut être interprétée à tort comme une relation causale directe.
Score de Propension
Probabilité conditionnelle de recevoir un traitement donné les covariables observées, utilisée pour équilibrer les groupes et réduire les biais dans les études observationnelles non randomisées.
Do-Calculus
Ensemble de règles formelles développées par Judea Pearl permettant de transformer les expressions causales en expressions probabilistes calculables à partir de données observationnelles.
Intervention Causale
Manipulation délibérée d'une variable dans un système pour observer son effet sur d'autres variables, distincte de l'observation passive car elle modifie la structure causale sous-jacente.
Effet Causal Moyen (ACE)
Mesure agrégée de l'impact moyen d'une intervention sur l'ensemble de la population, calculée comme la différence entre les résultats potentiels avec et sans traitement.
Modèle Structural Causal (SCM)
Framework mathématique combinant équations structurelles et graphes causaux pour représenter explicitement les mécanismes générateurs de données et les relations causales.
Frontdoor Criterion
Condition d'identifiabilité causale permettant d'estimer l'effet d'un traitement sur un résultat via des médiateurs observables, même en présence de confusion non mesurée.
Backdoor Criterion
Ensemble de conditions sur les variables à ajuster pour bloquer tous les chemins non causaux entre traitement et résultat, permettant une identification correcte de l'effet causal.
Médiation Causale
Analyse quantitative des mécanismes par lesquels une cause affecte un effet, décomposant l'effet total en effets directs et indirects via des variables intermédiaires.
Causalité de Granger
Concept statistique déterminant si une série temporelle prédit une autre de manière significative, basé sur l'amélioration de la précision prédictive lors de l'inclusion de valeurs passées.
Effet du Traitement sur les Traités (ATT)
Mesure de l'impact causal moyen du traitement spécifiquement sur les individus qui l'ont effectivement reçu, pertinente pour évaluer l'efficacité des programmes ciblés.
Biais de Confondance
Distorsion systématique de l'estimation de l'effet d'un traitement due à des facteurs non contrôlés influençant simultanément l'exposition et le résultat.
Randomisation Causale
Technique d'assignation aléatoire des traitements pour éliminer systématiquement les biais de confusion, garantissant que les groupes comparables diffèrent uniquement par le traitement reçu.
Analyse de Sentier Causal
Méthode quantitative décomposant les corrélations totales en effets directs et indirects à travers un réseau de relations causales spécifié a priori.
Transportabilité Causale
Capacité à généraliser les effets causaux estimés sur une population source à une population cible différente, en ajustant pour les différences de distributions.