2) Drift des données¶
Objectif — Détecter la dérive des distributions entre une fenêtre courante et une fenêtre de référence, afin d’anticiper un risque de dégradation du modèle.
Fenêtres analysées (UTC)
- Référence : 2025-08-13 22:45 → 2025-09-10 22:45
- Courante : 2025-09-10 22:45 → 2025-09-17 22:45
Questions auxquelles la page répond¶
- Quelles features ont le plus dérivé ? La cible (
y_true) a-t-elle changé de régime ? - La dérive est-elle globale ou concentrée sur certains segments (clusters, zones, heures) ?
- Les dérives détectées sont-elles persistantes (structurelles) ou ponctuelles (événement) ?
Indicateurs & tests¶
- PSI/CSI par variable (binning robuste).
Interprétation usuelle PSI : < 0,10 faible · 0,10–0,25 modérée · > 0,25 forte. - K–S (variables continues), χ² (catégorielles).
- Δ moyenne/variance normalisés (z-scores).
- Drift de cible (prior shift) : évolution de la distribution de
y_true. - Drift conditionnel : par cluster de stations, par heure du jour, par arrondissement/zone (si disponibles).
Résumé courant
PSI global (occ_ratio) : 0.017 · Feature la plus dérivée : occ_ratio (PSI=0.017)
Visualisations¶
Top dérives (PSI)¶
Tendance du drift (EMA, occ_ratio)¶
Carte — drift agrégé par zone¶
Tables d’appui¶
- PSI par variable :
../../assets/tables/monitoring/drift/psi_by_feature.csv - K–S par variable :
../../assets/tables/monitoring/drift/ks_by_feature.csv - Δ moyenne/variance :
../../assets/tables/monitoring/drift/deltas_by_feature.csv - PSI global journalier (EMA) :
../../assets/tables/monitoring/drift/psi_global_daily_ema.csv - Résumé & alertes :
../../assets/tables/monitoring/drift/drift_summary.csv,../../assets/tables/monitoring/drift/alerts.json - Drift de cible :
../../assets/tables/monitoring/drift/target_drift.csv(si généré avec--perf)
Seuils / Alertes (par défaut, ajustables)¶
- PSI global (médiane des features clés) > 0,10 sur 3 jours consécutifs → Alerte.
- PSI d’une feature critique > 0,25 sur 2 jours → Alerte majeure.
- Drift de cible notable (Δ moyenne > 1 σ) → Alerte.
⚠️ Un drift n’implique pas nécessairement une dégradation du modèle. Consulter la page Santé du modèle pour corroborer (perf vs temps).
Méthodes¶
- Fenêtrage : référence glissante (28 j) vs courant (7 j), sans chevauchement.
- Stratification : métriques par segment (clusters réseau, zones).
- Stabilité : lissage EMA pour éviter les sur-réactions au bruit.
Artefacts & source
- Source : docs/exports/events.parquet (pas de 15 min, timestamps UTC naïfs).
- Figures : ../../assets/figs/monitoring/drift · Tables : ../../assets/tables/monitoring/drift · Carte : ../../assets/maps/drift_by_zone.html