Détection d’anomalies
Des méthodes qui signalent des observations inhabituelles par rapport à une référence définie ou à un schéma appris.
Quand une observation est-elle inhabituelle ?
La détection d’anomalies signale des observations qui s’écartent de façon inhabituelle d’une référence définie ou d’un schéma appris. La normalité dépend des données, des caractéristiques et de la méthode choisies. Certaines approches recherchent des valeurs aberrantes dans les données existantes ; d’autres évaluent de nouvelles observations à partir d’une base considérée comme normale. Un signalement invite à examiner le cas. Il n’explique pas la cause de l’écart et ne prouve pas, à lui seul, une erreur ou une fraude.
Dans une entreprise de service fictive, un système doit signaler une hausse inhabituelle des demandes enregistrées. L’équipe prévoit des cas avec de nouvelles demandes clients réelles et avec d’anciens dossiers importés en lot. Les différences habituelles entre jours de la semaine doivent aussi être considérées. Une personne responsable vérifie si la charge de travail a augmenté ou si l’enregistrement a modifié le nombre. Les réponses diffèrent, par exemple planifier la capacité ou corriger l’analyse. Les fausses alertes et anomalies manquées sont relevées pendant l’essai ; un nombre élevé ne détermine pas à lui seul ces mesures.
Sources
Termes associés
- Apprentissage automatiqueLes modèles apprennent des régularités dans les données et les appliquent à de nouvelles entrées.
- Inférence de l’IAAppliquer un modèle déjà entraîné à des entrées pour obtenir un résultat.
- Évaluation des LLML’évaluation des LLM teste les sorties selon des tâches et critères définis. Un bon exemple isolé ne prouve pas la qualité générale.
- Modèle de prévisionUn modèle qui utilise les informations disponibles pour estimer une grandeur future sur une période définie.
- Apprentissage non superviséUne méthode qui recherche des structures dans les données sans réponses cibles prédéfinies pour la tâche d’entraînement concernée.
- Fiche de modèleUne fiche de modèle documente l’objectif, les bases, les conditions d’évaluation et les limites connues d’une version donnée d’un modèle d’IA.
Articles sur le sujet
IA & automatisation avec ASES
Assistants IA et processus automatisés