LANXAS White, Blind Benchmark v2.0, liasse v2-021 à v2-030

Liasse de consultation : copie conforme, octet pour octet, des exécutions gelées du 21 août 2026. Les pages individuelles test-v2-NNN.html restent la référence opposable, chaque réponse est vérifiable par son SHA-256. Aucune ré-exécution, aucune modification.

Index des 12 liasses · Registre officiel

Copie v2-021

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q021 — Les prémisses P→Q, ¬Q∨R, ¬R impliquent-elles ¬P ? Donner une dérivation ou un contre-modèle.

Réponse intégrale (verbatim, hachée ci-dessus)

Cher utilisateur,

Je vous remercie pour cette question de logique propositionnelle. Voici ma réponse détaillée.

**Réponse :** Oui, les prémisses P→Q, ¬Q∨R et ¬R impliquent bien ¬P.

**Dérivation :**

Premièrement, de la prémisse 3, nous savons que ¬R est vrai.

Deuxièmement, la prémisse 2 nous donne ¬Q∨R. Puisque R est faux (d'après la prémisse 3), la disjonction ¬Q∨R ne peut être vraie que si ¬Q est vrai. Par le syllogisme disjonctif, nous déduisons donc ¬Q.

Troisièmement, la prémisse 1 nous donne P→Q. Nous venons d'établir que Q est faux. Par le modus tollens, si P impliquait Q et que Q est faux, alors P doit être faux. Nous concluons donc ¬P.

**Vérification par contre-modèle :** Pour qu'il existe un contre-modèle, il faudrait que les trois prémisses soient vraies et que P soit vraie. Si P est vraie, la prémisse 1 impose que Q soit vraie. Or, les prémisses 2 et 3, combinées, imposent que Q soit fausse. Cette contradiction rend la combinaison des trois prémisses avec P vraie insatisfiable. Aucun contre-modèle n'existe donc.

**Confiance : 98 %** — la dérivation repose sur deux règles classiques de la logique propositionnelle, le syllogisme disjonctif et le modus tollens, dont l'application est directe et vérifiable. La vérification par l'analyse des cas confirme l'absence de contre-modèle.

Je reste à votre disposition pour toute précision complémentaire.

Cordialement.

Copie v2-022

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q022 — Déterminer si [(P→Q)∧(Q→R)]→(P→R) est une tautologie.

Réponse intégrale (verbatim, hachée ci-dessus)

Je vous remercie pour cette question de logique propositionnelle. Examinons-la avec soin.

La formule proposée est le syllogisme hypothétique, une règle d'inférence classique. Pour déterminer si elle est une tautologie, il faut vérifier qu'elle est vraie pour toutes les combinaisons de valeurs de vérité de P, Q et R.

Il y a huit combinaisons possibles. Analysons-les en détail.

D'abord, rappelons la table de vérité de l'implication : P→Q est faux uniquement lorsque P est vrai et Q est faux ; dans tous les autres cas, elle est vraie.

Considérons les huit cas :

Cas 1 : P vrai, Q vrai, R vrai. Alors P→Q est vrai, Q→R est vrai, donc la conjonction est vraie. P→R est vrai (vrai→vrai). L'implication globale est vrai→vrai, donc vraie.

Cas 2 : P vrai, Q vrai, R faux. P→Q est vrai, Q→R est faux (vrai→faux). La conjonction est fausse. Une implication dont l'antécédent est faux est vraie, quelle que soit la conclusion. Donc la formule est vraie.

Cas 3 : P vrai, Q faux, R vrai. P→Q est faux (vrai→faux). La conjonction est fausse. L'implication globale est donc vraie.

Cas 4 : P vrai, Q faux, R faux. P→Q est faux. Conjonction fausse, formule vraie.

Cas 5 : P faux, Q vrai, R vrai. P→Q est vrai (faux→vrai), Q→R est vrai. Conjonction vraie. P→R est vrai (faux→vrai). Formule vraie.

Cas 6 : P faux, Q vrai, R faux. P→Q est vrai, Q→R est faux. Conjonction fausse, formule vraie.

Cas 7 : P faux, Q faux, R vrai. P→Q est vrai (faux→faux), Q→R est vrai (faux→vrai). Conjonction vraie. P→R est vrai (faux→vrai). Formule vraie.

Cas 8 : P faux, Q faux, R faux. P→Q est vrai, Q→R est vrai. Conjonction vraie. P→R est vrai (faux→faux). Formule vraie.

Dans tous les huit cas, la formule est vraie. Le seul cas où l'antécédent de l'implication globale est vrai est celui où P→Q et Q→R sont tous deux vrais ; or, dans ce cas, on vérifie que P→R est nécessairement vrai. En effet, si P est vrai, alors Q doit être vrai (car P→Q est vrai), et si Q est vrai, alors R doit être vrai (car Q→R est vrai) ; donc P→R est vrai.

La formule est donc une tautologie, c'est-à-dire une vérité logique valide dans tous les cas.

Confiance : 98 %. Cette déduction formelle est courte et a été vérifiée exhaustivement sur les huit combinaisons de valeurs de vérité ; la marge restante tient à la possibilité d'une erreur de transcription de la formule, mais la vérification cas par cas est complète et sans ambiguïté.

Copie v2-023

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q023 — En logique classique, P→Q est-il logiquement équivalent à ¬P∨Q ? Justifier.

Réponse intégrale (verbatim, hachée ci-dessus)

Bonjour, et merci pour cette question de logique classique, que je vais traiter avec la rigueur qu'elle mérite.

Réponse : oui, en logique classique, P→Q est logiquement équivalent à ¬P∨Q.

Justification.

L'équivalence repose sur la définition même de l'implication matérielle en logique classique. La table de vérité de P→Q est la suivante :

- Si P est vrai et Q est vrai, alors P→Q est vrai.
- Si P est vrai et Q est faux, alors P→Q est faux.
- Si P est faux et Q est vrai, alors P→Q est vrai.
- Si P est faux et Q est faux, alors P→Q est vrai.

La table de vérité de ¬P∨Q est la suivante :

- Si P est vrai et Q est vrai, alors ¬P est faux, donc ¬P∨Q est vrai.
- Si P est vrai et Q est faux, alors ¬P est faux et Q est faux, donc ¬P∨Q est faux.
- Si P est faux et Q est vrai, alors ¬P est vrai, donc ¬P∨Q est vrai.
- Si P est faux et Q est faux, alors ¬P est vrai, donc ¬P∨Q est vrai.

Les deux tables coïncident exactement sur les quatre combinaisons de valeurs de vérité de P et de Q. Les deux formules ont donc la même valeur de vérité dans tous les modèles, ce qui est précisément la définition de l'équivalence logique.

On peut aussi le montrer par une dérivation formelle : P→Q équivaut à ¬P∨Q par définition de l'implication matérielle, et cette équivalence est souvent adoptée comme définition dans les systèmes de déduction classiques. Par ailleurs, la formule ¬(P∧¬Q), qui est la négation de la conjonction de P et de la négation de Q, se réécrit par les lois de De Morgan en ¬P∨Q, ce qui confirme le résultat par un second chemin.

Nuance importante. Cette équivalence est propre à la logique classique. Dans les logiques non classiques, notamment la logique intuitionniste, P→Q n'est pas équivalent à ¬P∨Q : l'implication intuitionniste est plus forte et ne se réduit pas à une disjonction de négation. La question portant explicitement sur la logique classique, la réponse affirmative est pleinement justifiée dans ce cadre.

Confiance : 98 %. Cette équivalence est une vérité formelle démontrable par table de vérité, que j'ai vérifiée terme à terme sur les quatre combinaisons ; la seule réserve tient à la formulation exacte de la définition dans certains manuels, mais le résultat lui-même est certain.

Je reste à votre disposition pour toute précision, notamment sur les différences avec les logiques non classiques.

Copie v2-024

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q024 — Une boîte contient 3 pièces : deux équilibrées et une à deux faces. Une pièce est choisie uniformément et donne pile. Quelle est la probabilité d’avoir choisi la pièce à deux faces ?

Réponse intégrale (verbatim, hachée ci-dessus)

La probabilité demandée s’obtient par le théorème de Bayes. Soit D l’événement « la pièce choisie est à deux faces » et P l’événement « la pièce donne pile ». La probabilité a priori de choisir la pièce à deux faces est P(D) = 1/3, puisque le choix est uniforme parmi trois pièces. Pour une pièce équilibrée, la probabilité de donner pile est 1/2 ; pour la pièce à deux faces, elle est de 1. La probabilité totale d’obtenir pile est donc P(P) = (1/3)(1) + (2/3)(1/2) = 1/3 + 1/3 = 2/3. Par le théorème de Bayes, la probabilité d’avoir choisi la pièce à deux faces sachant que pile est sorti vaut P(D | P) = P(P | D) P(D) / P(P) = (1 × 1/3) / (2/3) = 1/2.

On peut vérifier ce résultat par un dénombrement direct. Les trois pièces offrent au total six faces : deux faces pour la pièce à deux faces, et une face pile et une face face pour chacune des deux pièces équilibrées. Parmi ces six faces, quatre sont des faces « pile » : les deux faces de la pièce à deux faces, et une face pile pour chaque pièce équilibrée. Ces quatre faces sont équiprobables, et deux d’entre elles proviennent de la pièce à deux faces. La probabilité cherchée est donc bien 2/4 = 1/2.

Réponse : la probabilité est de 1/2, soit 50 %.

Confiance : 98 %.

Copie v2-025

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q025 — X et Y sont indépendantes, E[X]=2, E[Y]=-3, avec espérances finies. Calculer E[XY].

Réponse intégrale (verbatim, hachée ci-dessus)

Bonjour,

La réponse est correcte. Puisque X et Y sont indépendantes, l'espérance du produit se factorise en produit des espérances, ce qui donne bien E[XY] = E[X]·E[Y] = 2 × (−3) = −6. Les espérances étant finies, le produit est bien défini.

Confiance : 99 %.

Cordialement.

Copie v2-026

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q026 — Si P(A)=0.4, P(B)=0.5 et P(A∩B)=0.2, A et B sont-ils indépendants ?

Réponse intégrale (verbatim, hachée ci-dessus)

Bonjour,

Pour déterminer si deux événements A et B sont indépendants, il faut vérifier la définition : A et B sont indépendants si et seulement si P(A∩B) = P(A) × P(B).

Calculons le produit : P(A) × P(B) = 0,4 × 0,5 = 0,2.

Or, on nous donne P(A∩B) = 0,2.

Puisque P(A∩B) = 0,2 = P(A) × P(B), la condition d'indépendance est exactement satisfaite.

Réponse : Oui, A et B sont indépendants.

Justification : La définition de l'indépendance de deux événements est l'égalité P(A∩B) = P(A)·P(B). Ici, le produit vaut 0,4 × 0,5 = 0,2, qui coïncide précisément avec la probabilité de l'intersection fournie. La condition est donc vérifiée à l'égalité exacte.

Confiance : 98 %. Il s'agit d'une vérification arithmétique directe de la définition, sans donnée externe ; la seule réserve tient à la possibilité d'une lecture erronée des valeurs, mais le calcul est immédiat et sans ambiguïté.

Bien cordialement.

Copie v2-027

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q027 — Une variable aléatoire a variance nulle. Que peut-on conclure, et sous quel sens probabiliste ?

Réponse intégrale (verbatim, hachée ci-dessus)

Bonjour,

Si une variable aléatoire réelle X possède une variance nulle, alors X est presque sûrement constante. Cela signifie qu’il existe un réel c tel que la probabilité que X soit égale à c vaut 1. Le sens probabiliste est celui de l’égalité presque sûre, c’est-à-dire une égalité valable partout sauf sur un ensemble de probabilité nulle.

Pour le justifier, rappelons que la variance est définie par Var(X) = E[(X − E[X])²], sous réserve que X soit de carré intégrable, c’est-à-dire que E[X²] soit fini. Si cette variance est nulle, alors l’espérance de la variable positive (X − E[X])² est nulle. Or, une variable aléatoire positive d’espérance nulle est presque sûrement nulle : en effet, si la probabilité que (X − E[X])² soit strictement positif était elle-même strictement positive, l’espérance serait strictement positive par la propriété de positivité de l’intégrale de Lebesgue. On en déduit donc que P(X = E[X]) = 1, en posant c = E[X].

Il convient de préciser que cette conclusion est vraie au sens de l’égalité presque sûre et non au sens de l’égalité ponctuelle. La variable peut prendre d’autres valeurs sur un ensemble de probabilité nulle. Par exemple, une variable qui vaut 0 partout sauf sur un événement de probabilité nulle où elle vaut 10 possède une variance nulle, sans être ponctuellement constante.

Enfin, la réciproque est immédiate : toute variable presque sûrement constante a une variance nulle. L’équivalence est donc complète.

Ma confiance dans cette réponse est de 97 pour cent, car la démonstration repose sur un résultat standard de théorie de la mesure que je maîtrise bien, mais je reste légèrement en deçà de la certitude absolue par prudence de calibration, la formulation exacte dépendant des conventions de définition de la variance.

Cordialement.

Copie v2-028

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q028 — Une étude observationnelle trouve RR=2 entre exposition E et maladie M. Peut-on conclure que E double causalement le risque ? Expliquer.

Réponse intégrale (verbatim, hachée ci-dessus)

Je vous remercie pour cette question, qui touche à une distinction fondamentale en épidémiologie.

Réponse : Non, on ne peut pas conclure que E double causalement le risque.

Justification : Un risque relatif (RR) de 2 dans une étude observationnelle exprime une association statistique entre l'exposition E et la maladie M. Or, une association n'implique pas une causalité. Plusieurs explications alternatives peuvent rendre compte de ce RR de 2 sans qu'il y ait d'effet causal de E sur M.

D'abord, la confusion (biais de confusion) : une troisième variable C, associée à la fois à E et à M, peut créer ou gonfler l'association observée. Par exemple, si les exposés sont plus âgés, plus fumeurs ou plus exposés à un autre facteur de risque, le RR brut reflète en partie l'effet de ces facteurs, non celui de E seul. Le RR ajusté pourrait alors s'approcher de 1.

Ensuite, les biais de sélection et de mesure : si la participation ou la classification de l'exposition ou de la maladie diffère selon le statut, le RR observé peut être biaisé.

Par ailleurs, la causalité inverse : il est possible que la maladie (ou ses prodromes) influence l'exposition, plutôt que l'inverse.

Enfin, même en l'absence de ces biais, un RR de 2 ne garantit pas un effet causal : il faut des critères supplémentaires (temporalité, plausibilité biologique, cohérence entre études, relation dose-effet, etc.), comme ceux de Bradford Hill, pour renforcer l'inférence causale. La référence méthodologique de référence reste l'essai randomisé contrôlé, qui seul permet d'équilibrer les groupes sur les facteurs de confusion connus et inconnus.

En résumé, le RR de 2 est une mesure d'association, pas une preuve de causalité. Conclure que E double causalement le risque serait commettre l'erreur classique consistant à confondre association et causalité.

Confiance : 97 % — il s'agit d'un principe méthodologique standard et solidement établi en épidémiologie ; la marge résiduelle tient à la formulation générale, la réponse pouvant être nuancée selon le contexte précis de l'étude (mais la conclusion de fond reste identique).

Copie v2-029

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q029 — Un intervalle de confiance fréquentiste à 95 % signifie-t-il qu’après observation il y a 95 % de probabilité que le paramètre fixe soit dans cet intervalle ?

Réponse intégrale (verbatim, hachée ci-dessus)

Votre question touche à une distinction épistémologique fondamentale en statistique fréquentiste, et je vous remercie de la poser avec cette précision.

La réponse est non. Un intervalle de confiance fréquentiste à 95 % ne signifie pas, après observation, qu'il y a 95 % de probabilité que le paramètre fixe se trouve dans l'intervalle observé.

Pour comprendre pourquoi, il faut rappeler ce qu'est un paramètre dans le cadre fréquentiste : c'est une quantité fixe, inconnue mais non aléatoire. La probabilité porte donc non pas sur le paramètre, mais sur la procédure d'échantillonnage. L'affirmation correcte est la suivante : si l'on répète l'expérience un très grand nombre de fois, et que l'on construit à chaque fois un intervalle de confiance à 95 % selon la même méthode, alors environ 95 % de ces intervalles contiendront la vraie valeur du paramètre. La probabilité de 95 % s'applique à la méthode, avant observation, et non à l'intervalle particulier que vous avez obtenu.

Une fois l'échantillon observé et l'intervalle calculé, cet intervalle est fixe, tout comme le paramètre. L'intervalle contient le paramètre, ou il ne le contient pas ; il n'y a plus de hasard, donc plus de probabilité au sens fréquentiste. Dire qu'il y a 95 % de probabilité que le paramètre soit dans l'intervalle observé reviendrait à traiter le paramètre comme une variable aléatoire, ce qui est précisément la perspective bayésienne, où l'on parle alors d'intervalle de crédibilité, une notion distincte.

Un exemple concret illustre bien ce point. Supposons que vous mesuriez une grandeur physique inconnue et que vous obteniez un intervalle de confiance à 95 % allant de 10,2 à 10,8. Après observation, cet intervalle est figé. La vraie valeur est soit dedans, soit dehors ; vous ne pouvez pas lui attribuer une probabilité de 95 % d'y être, car il n'y a plus d'aléa. La garantie de 95 % concernait la fiabilité de la méthode qui a produit cet intervalle, pas la chance que cet intervalle précis contienne la valeur.

Cette confusion, parfois appelée erreur de l'inverse ou interprétation fallacieuse de l'intervalle de confiance, est très répandue, y compris dans certains manuels. La distinction entre probabilité de la procédure et probabilité du paramètre est au cœur de la différence entre les approches fréquentiste et bayésienne.

Ma confiance dans cette réponse est de 97 %, car il s'agit d'un résultat conceptuel standard et solidement établi de la statistique fréquentiste, que je peux énoncer avec assurance sans risque d'erreur factuelle.

Je reste à votre disposition pour approfondir, par exemple sur la construction formelle des intervalles de confiance ou sur la comparaison avec les intervalles de crédibilité bayésiens.

Copie v2-030

Question (verbatim)

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire.

Q030 — Un classifieur donne précision=1 et rappel=0.1 sur la classe positive. Peut-il néanmoins avoir une forte accuracy ? Construire un exemple.

Réponse intégrale (verbatim, hachée ci-dessus)

Je vous remercie pour cette question, qui touche à la relation entre précision, rappel et exactitude (accuracy) en classification.

Réponse

Oui, un classifieur peut tout à fait avoir une précision de 1 et un rappel de 0,1 sur la classe positive tout en affichant une accuracy très élevée. Cela se produit lorsque la classe positive est très minoritaire : le classifieur prédit presque toujours la classe négative, ce qui lui donne un rappel très faible sur la classe positive, mais comme la grande majorité des exemples sont réellement négatifs, ses prédictions négatives sont massivement correctes.

Construction de l'exemple

Considérons un jeu de données de 1000 exemples, dont 100 réellement positifs et 900 réellement négatifs. Le classifieur prédit la classe positive pour seulement 10 exemples, tous correctement (donc 10 vrais positifs), et prédit la classe négative pour les 990 autres.

Définissons les quatre cellules de la matrice de confusion. Les vrais positifs (VP) valent 10. Le rappel étant le rapport des vrais positifs sur le total des positifs réels, on a rappel = VP / (VP + FN) = 10 / 100 = 0,1, ce qui impose 90 faux négatifs (FN). La précision étant le rapport des vrais positifs sur le total des prédictions positives, on a précision = VP / (VP + FP) = 10 / 10 = 1, ce qui impose 0 faux positif (FP). Enfin, parmi les 900 négatifs réels, 0 ont été mal classés, donc les vrais négatifs (VN) valent 900.

La matrice de confusion est donc : VP = 10, FN = 90, FP = 0, VN = 900.

L'accuracy se calcule comme la proportion de prédictions correctes : (VP + VN) / total = (10 + 900) / 1000 = 0,91, soit 91 %.

Vérification des contraintes

La précision vaut bien 10 / (10 + 0) = 1. Le rappel vaut bien 10 / (10 + 90) = 0,1. L'accuracy vaut bien 0,91. Toutes les valeurs sont cohérentes et les trois métriques sont simultanément satisfaites.

Interprétation

Cet exemple illustre le piège classique des métriques sur données déséquilibrées : une accuracy de 91 % semble excellente, mais le classifieur ne détecte que 10 % des cas positifs, ce qui peut être catastrophique selon l'application (par exemple en dépistage médical ou en détection de fraude). La précision parfaite n'est ici qu'un artefact : le classifieur ne prédit presque jamais la classe positive, donc il ne commet presque jamais d'erreur sur cette classe. C'est pourquoi, sur des données déséquilibrées, l'accuracy seule est trompeuse et il faut examiner la précision, le rappel et le F1-score conjointement.

Confiance : 97 %. La construction est vérifiée numériquement et les définitions des trois métriques sont appliquées exactement ; la marge restante tient à la formulation des définitions standards, que je récite de mémoire.

Je reste à votre disposition pour approfondir, par exemple sur le choix d'une métrique adaptée aux données déséquilibrées.