Contexte : Un modèle de classification fournit des probabilités mal calibrées. Le Problème : Les scores prédits ne reflètent pas correctement la probabilité réelle d’événement. Contraintes : Mettre en place temperature scaling ou méthode de calibration équivalente. Évaluer via courbe de calibration. Maintenir performance globale. Livrable attendu : Proposer une stratégie complète de calibration des sorties probabilistes du modèle TensorFlow.