Quel résultat obtient le score le plus élevé ?
Utile pour ordonner des hypothèses ou des candidats.
Un nombre entre 0 et 100 ne suffit pas
Que signifie la « confiance » d’une IA ?
Un modèle peut attribuer un score à plusieurs résultats possibles. Ce score sert à les comparer ou à prendre une décision, mais il ne garantit ni la vérité, ni la qualité des données, ni l’absence d’un cas inconnu.
À retenir« 90 % » n’a de sens qu’en sachant ce qui est mesuré, comment le modèle a été évalué et si ses probabilités sont bien calibrées.
Chat82 %
Chien13 %
Renard5 %
Le modèle compare les catégories qu’on lui a données.Ce que le score peut dire
Une préférence du modèle, pas une certitude universelle
Le score dépasse-t-il le seuil choisi ?
L’application transforme ensuite le nombre en action, alerte ou refus.
Le modèle hésite-t-il entre plusieurs réponses ?
Des scores proches peuvent signaler un cas ambigu — sans couvrir toutes les inconnues.
Même score, action différente
Exemple : 70 % ne signifie pas « vrai à 70 % »
Un système classe une photo comme « chat » avec un score de 70 %. Ce nombre indique surtout une préférence entre les réponses possibles selon son calcul. Pour savoir s’il correspond réellement à sept bonnes réponses sur dix, il faut vérifier la calibration sur de nombreux exemples comparables.
Le contexte décide du niveau de prudence
Faible impact
Le score peut servir à classer
- Avec 70 %
- Proposer l’album le plus probable et laisser corriger.
- Contrôle
- Mesurer les erreurs fréquentes et garder une correction simple.
- Limite
- Le score ne reconnaît pas forcément une catégorie absente de l’entraînement.
Deux sources d’incertitude
Le monde peut être ambigu, le modèle peut être ignorant
Ambiguïté ou bruit
Image floue, mesure imprécise ou plusieurs réponses réellement plausibles.
Situation mal apprise
Peu d’exemples, population différente ou événement inédit pour le modèle.
Les bons réflexes
Ne pas demander au score plus qu’il ne peut donner
- 1
Identifier le score
Probabilité, similarité, note interne ou simple classement ? - 2
Vérifier la calibration
Les « 80 % » se réalisent-ils environ huit fois sur dix ? - 3
Prévoir l’abstention
Permettre au système de demander une vérification. - 4
Adapter au risque
Plus l’impact est fort, moins un score isolé suffit.
Sources de référence
Pour approfondir
La documentation scikit-learn rappelle qu’une probabilité peut exprimer une forme de confiance, mais que certains modèles estiment mal ces probabilités.
scikit-learnProbabilités prédites et calibration →Google for DevelopersDu score au seuil de décision →
Sources consultées le 28 septembre 2026.
Vérifier les nombres
Découvrez comment tester si « 80 % » veut vraiment dire 80 %.
Comprendre une notion
Gardez le fil de votre apprentissage.
Une étape courte et clairement reliée à ce que vous venez de lire.