Imaginez que vous travaillez avec un modèle en PyTorch et qu'après l'avoir mis en mode évaluation eval(), vous constatez que les métriques sur un ensemble de test fixe de 10 000 exemples changent à chaque exécution. Vous fixez l'état initial des générateurs de nombres aléatoires pour la reproductibilité : où d'autre pourrait se cacher la source des changements ? Expliquez le rôle de Dropout, BatchNorm et torch.no_grad() et nommez les métriques avec des seuils pour vérifier la stabilité des résultats.