Precision vs Recall
La précision mesure quelle proportion des éléments signalés comme positifs par une IA l'étaient réellement ; le rappel mesure quelle proportion des vrais cas positifs elle a effectivement détectés, et les deux s'opposent souvent l'un à l'autre.
Aucune carte bancaire requise
Ce que ça signifie en pratique
Supposons que tu déploies un outil d'IA pour signaler les notes de frais suspectes à examiner. S'il en signale 100 et que 90 s'avèrent être de véritables problèmes, c'est une précision élevée : ton temps de vérification n'est pas gaspillé sur de fausses alertes. Mais s'il existait en réalité 300 notes de frais problématiques et qu'il n'en a détecté que ces 90, son rappel est mauvais : il a manqué les deux tiers des cas réels. Un simple chiffre d'« exactitude » peut sembler excellent dans exactement ce scénario, parce qu'ignorer correctement des milliers de notes normales et sans problème compte aussi dans le calcul de l'exactitude, si bien qu'un outil peut afficher 98 % d'exactitude tout en manquant l'essentiel de la fraude qui compte vraiment.
Exemple
Un outil de présélection de CV qui ne signale que 5 candidats sur 500, et dont les 5 sont solides, a une précision parfaite, mais peut avoir un rappel désastreux si 40 autres candidats solides dormaient sans être touchés dans la pile des refusés. Un outil réglé dans le sens inverse pourrait signaler 200 candidats pour être sûr de capter presque tous les profils qualifiés, un rappel élevé, mais un recruteur doit alors se frayer un chemin parmi bien plus de faux positifs, une précision faible, pour les trouver.
À ne pas confondre avec
vs. Accuracy
L'exactitude est un chiffre unique et composite : la part de l'ensemble des prédictions, positives et négatives confondues, que le modèle a obtenues correctement. Elle peut rester élevée même quand un outil est discrètement mauvais sur la seule chose qui compte, parce qu'ignorer correctement la grande majorité des cas normaux et non signalés gonfle ce chiffre, quel que soit le nombre de vrais positifs manqués. La précision et le rappel décomposent ce score composite en les deux questions auxquelles un travail de filtrage ou de détection a réellement besoin de répondre : parmi ce qui a été signalé, quelle part était réelle, et parmi ce qui existait, quelle part a été détectée. Un outil affichant 98 % d'exactitude peut malgré tout avoir un mauvais rappel sur les cas rares et à forts enjeux comme la fraude, ce qui est exactement l'échec qu'un simple chiffre d'exactitude dissimule.
Termes associés
Frequently asked questions
Envie d'avoir ton contexte au même endroit ?
Flaibo conserve ton rôle, ta tonalité et ton travail passé au même endroit, et les intègre dans les prompts que tu emportes vers l'IA que tu utilises, pour qu'une nouvelle discussion n'ait pas à repartir d'une fenêtre de contexte vide.
Commence gratuitement