Plateforme
Vue d'ensembleAdoption IA & Multi-modèlesCRM IA auto-alimentéCRM Ventes & SecteursCas d'usage CRM VentesCas d'usage CRM RecrutementRecherche de contacts B2BCampagnes multicanalesProjets & TâchesMessagerie d'équipeSocial Media StudioFunnels & NewslettersRendez-vous & Agenda
Conseil, Tarifs & Ressources
Transformation IA & StratégieServices managésAlexander Weltzsch · Executive AdvisoryDennis Hilger · B2B Growth AdvisoryTarifs & CalculateurÀ proposL'IA en entrepriseGlossaire Tech & IAGuide des landing pages B2BConditions générales et politiquesContact & Démo
← Retour au Glossaire Tech et IA (A–Z)
Glossaire Tech et IA · Lettre · Lettre A

Accuracy (Précision) & F-Score

Accuracy (Précision) & F-Score

Définition

L'Accuracy (ou Précision) et le F-Score (souvent appelé F1-Score) sont des métriques statistiques essentielles pour évaluer la performance et la qualité prédictive des modèles de Machine Learning dans les tâches de classification.

Explication

L'Accuracy mesure la proportion des cas correctement prédits par rapport au nombre total de cas examinés. Cependant, cette métrique peut être trompeuse en présence de jeux de données déséquilibrés (déséquilibre des classes) ; par exemple, si 99 % des leads ne se convertissent pas, un modèle naïf qui prédit toujours « aucune conversion » atteindra une Accuracy de 99 %, mais sera en réalité sans valeur pour l'entreprise. Le F-Score résout ce problème en calculant la moyenne harmonique de la Précision et du Rappel (Recall), pondérant ainsi les prédictions faussement positives et faussement négatives. Dans les contextes B2B et SaaS, tels que la qualification automatique de leads, la prédiction de churn (attrition) ou la détection de spam, le F-Score est généralement la métrique la plus fiable pour l'optimisation des modèles. Un F-Score équilibré garantit que le système fonctionne de manière stable en pratique et que les processus critiques pour l'entreprise peuvent être automatisés sans erreur.