Fouille de règles dans des données tabulaires

Ces dernières années ont vu l'essor de modèles d'apprentissage automatique très puissants, en particulier les approches d'apprentissage profond. Leur principal écueil tient à leur caractère de « boîte noire » : la logique de décision demeure largement opaque. De ce fait, leur déploiement est délicat dans des contextes critiques, par exemple la sécurité, la santé et la justice, ou, plus généralement, partout où l'usager ou le citoyen a besoin de comprendre une prédiction algorithmique. En Europe notamment, le Règlement général sur la protection des données (RGPD) et d'autres cadres juridiques exigent de plus en plus que les recommandations algorithmiques soient explicables. La communauté scientifique s'est ainsi tournée vers l'Intelligence Artificielle Explicable (XAI), qui vise à produire des modèles interprétables ou à expliquer des modèles existants.Dans le cadre tabulaire, on dispose d'un ensemble de colonnes (attributs) et d'un grand nombre de lignes (observations), et l'on cherche classiquement à expliquer la prédiction d'un modèle pour chaque observation. Nous soutenons que le besoin d'explication dépasse ce seul objectif : tout jeu de données tabulaires peut requérir des explications compréhensibles par l'humain. Considérons, par exemple, l'exploitant d'une grande flotte d'avions qui maintient un tableau d'incidents techniques ayant nécessité une intervention. Il est utile de savoir si les incidents surviennent surtout sur un certain modèle d'appareil, si des pièces spécifiques tombent en panne sous certaines conditions météorologiques, ou si les avions récemment réparés sont plus sujets à de nouvelles défaillances. De tels constats, lisibles par des humains, peuvent éclairer la maintenance, la logistique et la production.De même, imaginons un tableau de revenus comprenant profession, ancienneté, sexe, appartenance ethnique, entreprise et localisation. On peut vouloir analyser l'influence de ces facteurs sur les salaires sans se limiter à une seule colonne cible, en explorant par exemple des corrélations entre entreprise et origine, ou des motifs inter-lignes : parmi les personnes d'une même profession et d'un même sexe, celles qui gagnent moins que la médiane ont-elles tendance à appartenir à une certaine tranche d'âge ? De telles explications peuvent guider l'ingénierie de variables, la détection d'anomalies, l'imputation de valeurs manquantes, voire la définition de politiques de recrutement, tout en restant intelligibles pour des décideurs.Nous ne prétendons pas trancher le débat entre corrélation et causalité, ni redéfinir ce qui mérite d'être appelé « explication ». Notre objectif est plus modeste et plus pratique : donner du sens aux données tabulaires en termes compréhensibles par l'humain, en identifiant des motifs qui aident réellement à les appréhender. Les avancées récentes en apprentissage symbolique rendent d'autant plus saillante la nécessité d'approches symboliques pour l'explicabilité. Nous proposons ainsi de construire, directement à partir des données tabulaires, un modèle symbolique, fondé sur des règles et des contraintes relationnelles, capturant des régularités utiles et interprétables.