Les explications contrafactuelles sont une méthode pour expliquer les décisions des modèles d'apprentissage automatique, en montrant comment modifier les données d'entrée pour obtenir un résultat différent. Par exemple, si un modèle refuse un prêt, une explication contrafactuelle peut montrer que si le revenu du client était supérieur de 10 %, la décision changerait en approbation.

Cela aide à comprendre quels facteurs influencent la prédiction et rend le modèle plus transparent et interprétable, en particulier dans les modèles complexes d'apprentissage profond.

Précédent Suivant