Contexte : Un modèle de prédiction de performance inclut toutes les colonnes disponibles. Le Problème : Certaines variables non pertinentes ou fortement corrélées introduisent du bruit et dégradent la performance. Extrait logique actuelle : X = dataset.drop('target', axis=1) Sans sélection de variables. Contraintes : Identifier variables inutiles. Appliquer sélection de features simple (corrélation ou importance). Réentraîner le modèle. Livrable attendu : Proposer une amélioration du pipeline incluant sélection de variables et comparaison des performances.