Correction d’un modèle séquentiel mal calibré en probabilité

Scénario

Contexte : Un modèle de classification textuelle fournit des probabilités peu fiables. Le Problème : Les scores prédits ne reflètent pas la confiance réelle du modèle. Extrait logique actuelle : Softmax outputs utilisés directement Contraintes : Mettre en place calibration (temperature scaling). Évaluer via courbe de calibration. Maintenir performance globale. Livrable attendu : Proposer une stratégie d’amélioration de la calibration probabiliste des prédictions.

Compétences ciblées