Dérive de données, détection et réponse

Lorsqu’un modèle IA est mis en production, il est confronté à des données réelles, souvent très différentes de celles utilisées lors de son entraînement. Ces différences peuvent entraîner une baisse des performances du modèle — on parle alors de dérive de données (data drift) ou de dérive de concept (concept drift). Il est essentiel de détecter et de réagir rapidement à ces dérives pour maintenir l’efficacité du système.

Types de dérives

1. Dérive de données (data drift)
   Le profil statistique des variables d’entrée change au fil du temps.
   Exemple : un modèle de détection de fraude bancaire qui voit apparaître de nouveaux comportements utilisateurs non observés à l’entraînement.

2. Dérive de concept (concept drift)
   La relation entre les données d’entrée et la sortie cible évolue.
   Exemple : un modèle de prédiction des achats qui ne détecte plus correctement les comportements d’achat à cause d’un changement de tendance saisonnière ou de politique marketing.

Comment détecter la dérive ?

Plusieurs méthodes existent pour surveiller les données entrantes et détecter les dérives :

• Comparaison de distributions statistiques :

  • Distance de Kolmogorov-Smirnov (KS), Earth Mover Distance (EMD), Jensen-Shannon divergence…

  • Histogrammes, moyennes glissantes, écarts-types des features.

• Suivi des performances du modèle :

  • Une chute des scores (précision, F1, etc.) peut indiquer une dérive.

• Modèle sentinelle (drift detector) :

  • Algorithmes comme ADWIN, DDM (Drift Detection Method), ou EDDM qui détectent automatiquement les changements dans la distribution des données ou dans les performances.

• Outils spécialisés :

  • Evidently AI, River, Alibi Detect permettent une détection avancée de dérive.

Exemples de métriques surveillées

Réponse à une dérive

1. Alerter les équipes IA / MLOps : déclenchement d’un message via un dashboard ou une alerte automatique (ex : Slack, email).

2. Collecte de nouvelles données : annoter manuellement ou automatiquement de nouveaux exemples représentatifs.

3. Réentraînement du modèle :

   • Ajout des nouvelles données dans le dataset.

   • Réentraînement total ou partiel (fine-tuning).

   • Comparaison avec le modèle précédent avant mise en production.

4. Mise en place de modèles adaptatifs :

   • Apprentissage en ligne (online learning).

   • Systèmes capables de s’adapter progressivement aux changements.

Risques si non gérée

• Chute de la qualité des prédictions.

• Répercussions sur les utilisateurs (ex : recommandations absurdes).

• Biais involontaires ou discriminations émergentes.

• Perte de confiance dans le système.

En résumé

La dérive de données est inévitable dans tout système IA en production. Une surveillance proactive, combinée à une stratégie de réponse automatisée ou semi-automatisée, permet de maintenir la robustesse, la pertinence et la qualité des modèles d’apprentissage automatique face à un monde en constante évolution.