Lire les métriques d'une classification
Comment lire une matrice de confusion et choisir la métrique qui reflète vraiment le coût des erreurs d'un classifieur IA. Vous évitez ainsi de valider un modèle sur un chiffre global flatteur qui masque une catégorie critique mal traitée, et vous parlez le même langage que l'équipe data.
Mis à jour le 29 septembre 2026.
En bref
Une matrice de confusion croise les catégories prédites par un classifieur avec les catégories réelles, et montre où il se trompe. La précision dit combien de prédictions positives sont justes, le rappel combien de vrais cas sont trouvés. Choisir entre elles selon le coût des erreurs évite de valider un modèle sur une exactitude globale trompeuse.
Objectif de la leçon
À la fin de cette leçon, vous serez capable de lire une matrice de confusion, de choisir entre exactitude, précision, rappel et F1 selon le coût des erreurs, et de repérer quand un déséquilibre des classes rend un score trompeur.
Les questions auxquelles cette leçon répond
Comment lire une matrice de confusion pour une IA de classification ?
Chaque ligne correspond à la vraie catégorie, chaque colonne à la catégorie prédite (ou l'inverse selon les outils). La diagonale montre les bonnes réponses, le reste les confusions.
Pourquoi un bon score d'exactitude peut cacher un problème de classification ?
Quand une catégorie est rare, un modèle qui l'ignore complètement peut quand même afficher une exactitude élevée. Il faut regarder les résultats catégorie par catégorie.
Quand le rappel compte-t-il plus que la précision pour un classifieur IA ?
Quand rater un vrai cas coûte plus cher qu'une fausse alerte, par exemple pour détecter une fraude ou un contenu dangereux. On accepte alors plus de faux positifs pour en manquer moins.
Thèmes abordés
- matrice de confusion
- précision et rappel
- score F1
- déséquilibre des classes
- métriques de classification
Guide sur ce thème
- Évaluer une fonctionnalité d’IA (evals)
Jeu de cas, critères, LLM-juge, seuils de mise en production et suivi, avec un plan d’evals.
Dans quel module
Choisir les métriques
Quelles métriques lire, et que disent-elles de l'étape à corriger ?
Leçons du module
- Lire les métriques d'une classification (cette leçon)
- Lire les métriques d'un RAG
Ce que vous apprendrez dans ce module
Cette leçon fait partie de la formation Évaluer une fonctionnalité IA : jeux de test, métriques et LLM-juge
- Choisir et interpréter les métriques adaptées à une classification et à un RAG, et en déduire l'étape à corriger.
Formations liées
- IA & ProduitExpertNiveau avancé : pour approfondir et aller plus loin.
Mettre en production et monitorer une fonctionnalité IA
3 h
- IA & ProduitConfirméPratique régulière : vous utilisez déjà l’outil ou êtes confronté à la thématique.
Obtenir des sorties IA fiables et exploitables par le produit (JSON, schémas, appels de fonction)
2 h 30 min
- IA & ProduitExpertNiveau avancé : pour approfondir et aller plus loin.
Concevoir des agents et du tool calling fiables
3 h 30 min