« Interprétabilité » : différence entre les versions


Aucun résumé des modifications
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(16 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
==Définition==
L’interprétabilité désigne 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==
==Compléments==
Voir [[explicabilité]]
L’interprétabilité va moins loin que l'[[explicabilité]] qui souvent cherche les [[causalité|causes]].
 
<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 ==
==Français==
'''interprétabilité'''   
'''interprétabilité'''   


== Anglais ==
==Anglais==
'''interpretability'''
'''interpretability'''


<small>
 
==Sources==


[[Utilisateur:Claude COULOMBE | Source: Claude Coulombe, Datafranca.org]]         
[[Utilisateur:Claude COULOMBE | Source: Claude Coulombe, Datafranca.org]]         


[[Utilisateur:Patrickdrouin  | Source: Termino ]]     
[[Utilisateur:Patrickdrouin  | Source: Termino]]     
 
[https://developers.google.com/machine-learning/glossary/ Source: ''Google machine learning glossary'']
 
[https://perso.math.univ-toulouse.fr/mllaw/home/statisticien/explicabilite-des-decisions-algorithmiques/ Source : Université de Toulouse]
 
[https://arxiv.org/pdf/1910.10045.pdf Source : arviX]


[https://developers.google.com/machine-learning/glossary/  Source: ''Google machine learning glossary'' ]


[[Utilisateur:Patrickdrouin  | Source: Termino]]


</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:GRAND LEXIQUE FRANÇAIS]]
Ligne 29 : Ligne 39 :
[[Category:Termino 2019]]
[[Category:Termino 2019]]
[[Catégorie:101]]
[[Catégorie:101]]
[[Catégorie:PUBLICATION]]

Dernière version du 27 janvier 2024 à 23:41

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 »