« Interprétabilité » : différence entre les versions

Dernière version du 11 octobre 2024 à 08:32

Définition

D'un point de vue d'ingénierie, l'interprétabilité caractérise un algorithme dont les résultats peuvent être explicitement interprétés à la lumière des données d'entrée et des opérations à accomplir. Un algorithme est interprétable s'il est possible d'identifier, ou mieux de mesurer, les données ou les attributs qui participent le plus aux résultats de l'algorithme, voire même d'en quantifier l'importance.

D'un point de vue d'IA responsable, l'interprétabilité se définit comme la capacité d'expliquer ou de fournir le sens en termes compréhensibles pour un être humain.

Compléments

L’interprétabilité va moins loin que l'explicabilité qui souvent cherche les causes.

Les notions d'interprétabilité et d'explicabilité sont particulièrement importantes dans les cas où les algorithmes prennent des décisions qui impliquent des êtres humains dans des domaines comme la médecine, le droit et la finance.

Français

interprétabilité

Anglais

interpretability

Sources

Source : Claude Coulombe, Datafranca.org

Source : Termino

Source : Google machine learning glossary

Source : Université de Toulouse

Source : arviX

101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-L'interprétabilité caractérise un algorithme dont les résultats peuvent être explicitement interprétés à la lumière des données d'entrée et des opérations à accomplir. Un algorithme est interprétable s'il est possible d'identifier, ou mieux de mesurer, les données ou les attributs qui participent le plus aux résultats de l'algorithme.
+D'un point de vue d'ingénierie, l'interprétabilité caractérise un [[algorithme]] dont les résultats peuvent être explicitement interprétés à la lumière des données d'entrée et des opérations à accomplir. Un algorithme est interprétable s'il est possible d'identifier, ou mieux de mesurer, les données ou les attributs qui participent le plus aux résultats de l'algorithme, voire même d'en quantifier l'importance.
+D'un point de vue d'IA responsable, l'interprétabilité se définit comme la capacité d'expliquer ou de fournir le sens en termes compréhensibles pour un être humain.
 ==Compléments==
-Attention! L’interprétabilité va beaucoup moins loin que l'[[explicabilité]] qui cherche à expliquer les causes.
+L’interprétabilité va moins loin que l'[[explicabilité]] qui souvent cherche les [[causalité|causes]].
-Voir [[explicabilité]]
+<hr/>
+Les notions d'interprétabilité et d'explicabilité sont particulièrement importantes dans les cas où les algorithmes prennent des décisions qui impliquent des êtres humains dans des domaines comme la médecine, le droit et la finance.
 ==Français==
@@ Ligne 12 : / Ligne 16 : @@
 '''interpretability'''
-<small>
+==Sources==
+[[Utilisateur:Claude COULOMBE | Source : Claude Coulombe, Datafranca.org]]
+[[Utilisateur:Patrickdrouin  | Source : Termino]]
-[[Utilisateur:Claude COULOMBE | Source: Claude Coulombe, Datafranca.org]]
+[https://developers.google.com/machine-learning/glossary/ Source : ''Google machine learning glossary'']
-[[Utilisateur:Patrickdrouin  | Source: Termino]]
+[https://perso.math.univ-toulouse.fr/mllaw/home/statisticien/explicabilite-des-decisions-algorithmiques/ Source : Université de Toulouse]
-[https://developers.google.com/machine-learning/glossary/ Source: ''Google machine learning glossary'']
+[https://arxiv.org/pdf/1910.10045.pdf Source : arviX]
-</small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html>
+</small><br> {{Modèle:101}}<br>
-<br></div><br><br>
 [[Category:GRAND LEXIQUE FRANÇAIS]]
 [[Category:Apprentissage profond]]
 [[Category:Intelligence artificielle]]
-[[Category:Termino 2019]]
 [[Catégorie:101]]

« Interprétabilité » : différence entre les versions