Que dites-vous de l’équité d’un modèle en entretien ?

Questions d’entrevue Machine learning

Seniormethodologie

La réponse courte

On n’attend pas de vous un traité, ni un déni. On attend trois phrases d’adulte : qui peut être lésé par cette décision, comment vous vous en apercevriez, et ce que vous feriez si un écart apparaît. Le reste — formules, bibliothèques, comités — vient après, s’il y a un vrai enjeu.

Un modèle n’est pas « neutre » parce qu’il est mathématique. Il hérite des données, du process qui les a produites, et de l’action qu’on branche dessus. Une décision de crédit, d’embauche, de modération, de priorité médicale n’a pas le même poids qu’un rang de produits. Vous calibrez le sérieux à la gravité, au lieu de réciter le même couplet partout.

Ce qu’un candidat honnête dit

Je nomme les groupes et les erreurs. Pas pour jouer au moraliste : pour savoir quelle erreur coûte à qui. Un faux refus n’est pas le même événement qu’un faux accepté, et il ne tombe pas au hasard si l’historique est déjà inégal.

Je refuse de « corriger » en silence dans le carnet. Maquiller une variable sensible et croire le sujet clos est une réponse faible. La variable revient par des proxies. La question est l’usage : a-t-on le droit de s’en servir, et pour quelle décision ?

Je sépare performance globale et effets locaux. Un beau score moyen peut cacher une file entière mal traitée. Si le projet le justifie, on regarde la mesure là où ça fait mal, pas seulement sur tout le fichier.

**Je sais dire « je ne sais pas encore ». ** Mieux vaut avouer qu’on n’a pas les attributs, pas le volume, pas le mandat, que d’inventer une équité de diapositive. L’honnêteté, ici, est la compétence.

Ce qu’on ne veut pas entendre

Que « les données parlent d’elles-mêmes ». Qu’il suffit de retirer une colonne. Que c’est le problème d’un autre métier. Qu’un projet interne sans impact n’a jamais d’effet de bord — un score de priorité change déjà qui attend.

La relance probable

« Concrètement, vous faites quoi lundi ? »

Écrire l’usage prévu et l’usage interdit. Demander au métier ce qu’il considère comme un traitement inacceptable. Prévoir, si la décision le mérite, une revue de cas, pas seulement un chiffre. Et garder un humain sur les cas graves.

La phrase qui suffit : l’équité n’est pas une métrique de plus à maximiser en catimini ; c’est une question de qui paie l’erreur, posée avant de servir.

Toutes les questions Machine learning