Correction d’un pipeline non reproductible en environnement distribué

Scénario

Contexte : Le modèle produit des résultats différents selon l’environnement d’exécution. Le Problème : Les seeds aléatoires ne sont pas correctement fixées et certaines transformations ne sont pas déterministes. Extrait logique actuelle : RandomForestClassifier() train_test_split(X, y) Contraintes : Fixer random_state partout nécessaire. Documenter configuration. Vérifier stabilité inter-environnements. Livrable attendu : Proposer une version entièrement reproductible du pipeline Scikit-learn.

Compétences ciblées