« Interprétabilité » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Ligne 5 : Ligne 5 :


==Compléments==
==Compléments==
L’interprétabilité va 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]].
 


<hr/>
<hr/>

Version du 14 février 2023 à 16:56

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 définie comme la capacité d'expliquer ou de fournir le sens en termes compréhensibles pour un être huma humain.in.

Compléments

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


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

Français

interprétabilité

Anglais

interpretability

Source: Claude Coulombe, Datafranca.org

Source: Termino

Source: Google machine learning glossary

Source : Université de Toulouse

Source : arviX