Une prévision doit réussir sur un futur qu'elle n'a jamais vu. Mélanger les lignes au hasard peut transmettre des tendances, des événements ou des agrégats futurs à l'entraînement. Le protocole de validation doit reproduire la manière dont le produit sera réellement utilisé.
Respecter l'ordre des événements
Séparez une période d'entraînement, une période de réglage et une période finale plus récente. Toutes les transformations, y compris normalisation et sélection de variables, apprennent uniquement sur le passé disponible à cette date.
Vérifiez les champs qui résument une période complète, les statuts mis à jour après coup et les jointures avec des tables historiques. Une variable peut sembler datée correctement tout en contenant une information connue seulement plus tard.
Tester plusieurs fenêtres
Une seule coupure peut favoriser une saison particulière. Le backtesting déplace successivement la date d'origine et mesure plusieurs horizons. Il montre si le modèle reste utile lorsque la distance de prévision augmente.
Comparez avec des références simples : dernière valeur, moyenne saisonnière ou règle métier. Un modèle complexe doit apporter un gain stable après prise en compte du coût de maintenance.
Communiquer une plage, pas une certitude
Publiez l'estimation avec un intervalle, l'horizon et la date de mise à jour. La largeur de la plage doit influencer la décision. Une prévision incertaine peut déclencher une réserve ou une revue plutôt qu'un engagement ferme.
Mesurez les erreurs par horizon et par contexte. Les périodes exceptionnelles restent visibles dans le rapport. Elles aident à définir quand suspendre le modèle ou revenir à un scénario prudent.
Validation chronologique
- Ordonner strictement entraînement, réglage et test
- Recalculer les transformations sans accès au futur
- Tester plusieurs origines et horizons
- Comparer avec une référence simple
- Publier intervalle, horizon et règle de mise à jour
Une prévision crédible ne vient pas d'un score isolé. Elle vient d'un test qui respecte le temps et rend l'incertitude exploitable.
