IA prédictive : analyse et modélisation de données

Travaux pratiques de troisième année du BUT informatique, sur l'analyse de données et l'apprentissage automatique.

Une différence avec le module IA générative

Contrairement au module IA générative, aucun TP de ce module ne dépend d'une clé API : tout s'exécute en local avec des bibliothèques Python courantes (pandas, scikit-learn, xgboost, statsmodels...), et le code de chaque TP est vérifié par le harnais du site, au même titre que les TP d'outils fondamentaux : chaque valeur annoncée dans un « résultat attendu » a été réellement calculée, pas devinée.

Les séances

Séance	Sujet	Ce que vous saurez faire
TP1	Pandas	charger, sélectionner, filtrer, transformer, agréger, visualiser un jeu de données
TP1bis	GeoPandas	géométries, systèmes de coordonnées, jointure spatiale, cartographie thématique
TP2	Clustering	K-Means, DBSCAN, HDBSCAN, choisir un nombre de clusters, réduire la dimension pour visualiser
TP2bis	Réduction de dimension	le fléau de la dimension, PCA depuis sa définition, t-SNE, LDA
TP3	Classification	apprentissage supervisé, arbres, forêts, métriques de classification
TP5	Régression et validation	un troisième ensemble (validation), au delà du couple entraînement/test
TP4	XGBoost	arrêt anticipé, courbe d'apprentissage, sous et surapprentissage
TP6	Séries temporelles	tendance, saisonnalité, stationnarité, ARIMA, approche supervisée
TP7	XGBoost, objectifs et métriques	fonctions objectif personnalisées, métriques d'évaluation
TP8	Prétraitement des variables	sélection, normalisation, encodage, valeurs aberrantes, classes déséquilibrées
TP9	XGBoost, explicabilité et causalité	valeurs de Shapley (SHAP), corrélation contre causalité
TP10	Théorie de l'information	entropie, information mutuelle, lien avec les arbres de décision

Le TP4 (XGBoost) est volontairement placé après le TP5 (régression et validation) dans ce parcours, pas avant : il s'appuie sur la notion d'ensemble de validation que le TP5 introduit. Les numéros de TP reprennent ceux du corpus source ; l'ordre de lecture recommandé est celui du tableau ci-dessus et de la navigation du site.

Aucun TP de ce module n'a de QCM d'auto-évaluation pour l'instant ; c'est signalé sur chaque page.

Ce que le harnais a trouvé en chemin

Convertir ces TP en pages testées a mis au jour plusieurs décalages entre le corpus source (rédigé avant janvier 2026) et les bibliothèques réellement installées : des paramètres scikit-learn et XGBoost supprimés ou déplacés, une bibliothèque de causalité (dowhy) incompatible avec l'environnement du site et remplacée par econml, et deux corrigés bien réels mais mal classés dans le corpus source (voir le journal du projet pour le détail). Chaque décalage est documenté directement sur la page concernée plutôt que caché.