Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 4 novembre 2026.
En bref
Chronos-2 peut utiliser plusieurs historiques apparentés pour préparer une prévision, sans réentraîner le modèle à chaque demande. Son attention de groupe désigne le mécanisme qui fait circuler l’information entre ces séries pendant le calcul. Dans leur prépublication déposée sur arXiv le 17 octobre 2025, Ansari et ses coauteurs décrivent aussi comment ajouter des variables connues dans le passé ou sur la période à prévoir. Leurs comparaisons sur fev-bench portent notamment sur 42 tâches avec de telles variables : dans cette comparaison, leur prise en compte apporte les gains de qualité de prévision les plus marqués. Pour une direction métier, la décision porte donc sur les informations à réunir et leur disponibilité au moment de prévoir. Les résultats de cette étude doivent être distingués de ceux des versions adaptées dans TW3Cast.
1. Quelles entrées Chronos-2 regroupe-t-il ?
Chronos-2 réunit les grandeurs à prévoir et les variables qui peuvent renseigner leur évolution. Dans la description des entrées d’Ansari et al., 17 octobre 2025, une cible est une série dont les valeurs futures doivent être estimées ; une covariable est une variable fournie en complément. Une tâche multivariée comporte plusieurs cibles à prévoir ensemble.
La disponibilité temporelle détermine le rôle de chaque entrée :
| Entrée | Historique fourni | Valeurs sur la période à prévoir |
|---|---|---|
| Cible | Observations disponibles | Manquantes dans les entrées |
| Covariable passée | Observations disponibles | Manquantes dans les entrées |
| Covariable future connue | Observations disponibles | Valeurs déjà connues, lorsqu’elles sont disponibles |
Le modèle reçoit ainsi une partie historique et une partie future. Un masque, c’est-à-dire un indicateur de présence associé aux valeurs, distingue les observations disponibles des données absentes. Il conserve cette distinction lorsque les emplacements manquants sont ensuite remplis par des zéros pour le calcul. Un zéro de remplacement garde donc son statut de donnée absente.
Les valeurs sont normalisées, accompagnées d’un repère temporel, puis découpées en blocs successifs appelés patchs. Chaque variable suit d’abord cette préparation séparément. Le groupe précise ensuite quelles variables peuvent échanger de l’information. Les prévisions éventuellement produites pour les covariables sont ignorées : les sorties recherchées concernent les cibles. Cette séparation entre rôle, disponibilité et appartenance au groupe permet de décrire précisément la demande adressée au modèle.
2. Quelle différence entre attention temporelle et attention de groupe ?
L’attention temporelle relie les blocs d’une même série ; l’attention de groupe relie les séries autorisées à échanger au même indice de bloc. La description d’architecture d’Ansari et al., 17 octobre 2025 présente une alternance de ces couches de calcul.
L’attention est ici une opération d’agrégation d’information dans le modèle. Sur l’axe temporel, elle permet à la représentation d’un bloc d’intégrer des informations situées ailleurs dans la même série. Sur l’axe du groupe, elle agrège les représentations des variables du groupe au même emplacement de bloc. L’alternance des couches combine ainsi la lecture de l’historique et les échanges entre variables.
Chaque série porte un identifiant de groupe. Le modèle transforme ces identifiants en un masque d’attention qui autorise les échanges à l’intérieur du groupe et les empêche entre groupes distincts. Plusieurs groupes, éventuellement de tailles différentes, peuvent coexister dans un même lot de calcul. Les séries d’un groupe n’ayant pas d’ordre naturel, cette couche n’utilise pas de codage de position entre elles.
Cette mécanique se situe à l’intérieur de Chronos-2. Le routeur décrit par Thierry et Rochet dans leur prépublication déposée sur arXiv le 16 septembre 2026 intervient à un autre niveau : TW3Cast fixe une sélection de modèles ou de combinaisons. Distinguer ces niveaux évite de confondre la circulation d’information dans une prévision et le choix du système chargé de la produire.
3. Comment l’apprentissage dans le contexte intervient-il ?
L’apprentissage dans le contexte consiste à exploiter les séries fournies avec la demande de prévision, avec les paramètres du modèle déjà entraîné. Dans le protocole d’inférence d’Ansari et al., 17 octobre 2025, la composition des groupes détermine l’information accessible pendant ce calcul.
Un identifiant distinct pour chaque série conduit à des prévisions indépendantes. Un identifiant commun aux variables d’une même série multivariée autorise leur partage d’information. Pour une tâche avec covariables, les cibles et leurs variables associées reçoivent le même identifiant ; les valeurs futures disponibles sont renseignées aux emplacements correspondants.
Les auteurs décrivent également un mode de partage complet, appelé full cross learning. Tous les éléments du lot reçoivent alors le même identifiant, quel que soit leur rôle. Ce mode élargit le contexte aux autres séries du lot, y compris pour des tâches initialement univariées. Les auteurs observent notamment un intérêt lorsque les historiques disponibles sont courts.
Il faut distinguer cette utilisation du contexte du préentraînement, qui apprend les paramètres en amont à partir d’un corpus. Le fine-tuning désigne une adaptation supplémentaire par entraînement. Dans TW3Cast, Thierry et Rochet, 16 septembre 2026, la construction des experts comprend de telles adaptations par entraînement. Réunir des séries dans un groupe lors d’une prévision Chronos-2 relève du protocole d’inférence ; l’entraînement d’un expert constitue une opération séparée.
4. Quelles dépendances les données synthétiques enseignent-elles ?
Les données synthétiques exposent Chronos-2 à des dépendances simultanées et décalées entre variables. Selon la partie consacrée aux données d’Ansari et al., 17 octobre 2025, les tâches d’entraînement multivariées et avec covariables reposent entièrement sur des données synthétiques.
Les auteurs nomment multivariatizer un procédé qui prélève des séries auprès de générateurs univariés, puis impose des dépendances entre elles. La première famille applique des transformations linéaires ou non linéaires aux valeurs d’un même instant. Elle crée ainsi des corrélations contemporaines entre séries. La seconde introduit des dépendances dans le temps.
Les séries obtenues servent à construire des tâches où toutes les variables doivent être prédites. Elles servent aussi à des tâches avec covariables : une partie des variables est alors désignée aléatoirement comme connue. L’entraînement expose donc le modèle à différents rôles pour les variables et à plusieurs formes de relations entre elles.
L’architecture organise les échanges possibles ; ces données d’entraînement lui fournissent des situations dans lesquelles apprendre à les exploiter. Notre lecture de méthode est de considérer ces dimensions ensemble lors de l’évaluation. La présence d’une couche d’attention ne démontre aucune relation causale entre les variables métier regroupées.
Le sujet des générateurs fait l’objet de la fiche sœur KernelSynth et TSMix : comment Chronos enrichit les données de préentraînement.
5. Que montrent les comparaisons avec et sans partage ?
Les gains varient selon la tâche : dans la comparaison de l’étude, les plus marqués concernent les tâches avec covariables. Pour comparer les modes d’inférence, Ansari et al., 17 octobre 2025 séparent fev-bench en 32 tâches univariées, 26 multivariées et 42 avec covariables. Dans le mode univarié de référence, chaque série est prévue indépendamment et les covariables sont ignorées.
Les comparaisons probabilistes emploient un skill score, qui exprime une amélioration relative par rapport à la référence saisonnière naïve. Ces comparaisons évaluent la qualité des prévisions probabilistes. Les figures du texte intégral d’Ansari et al., 2025 utilisent la perte normalisée SQL sur fev-bench et la perte pondérée WQL sur GIFT-Eval et Chronos Benchmark II.
| Périmètre comparé | Métrique probabiliste | Constat rapporté avec le partage |
|---|---|---|
| Tâches univariées de fev-bench | Skill score fondé sur SQL | Amélioration |
| Tâches multivariées de fev-bench | Skill score fondé sur SQL | Gains modestes |
| Tâches avec covariables de fev-bench | Skill score fondé sur SQL | Gains les plus marqués |
| GIFT-Eval et Chronos Benchmark II | Skill score fondé sur WQL | Amélioration, particulièrement relevée pour les historiques courts de Chronos Benchmark II |
Dans la même prépublication d’Ansari et al., 17 octobre 2025, les ablations, c’est-à-dire les essais de variantes du modèle, portent sur d’autres choix : un modèle de 28 millions de paramètres contre 120 millions pour le modèle principal, un entraînement exclusivement synthétique et l’extension de la longueur du contexte. Elles ne constituent donc pas une mesure isolée de l’effet de l’attention de groupe.
La préparation des experts décrite par Thierry et Rochet, 16 septembre 2026 comprend un nettoyage avant entraînement, puis une adaptation des modèles. Pour les configurations pauvres en données, les auteurs décrivent aussi un mélange avec les données de configurations apparentées. Ces opérations définissent un autre protocole : les gains du partage mesurés dans Chronos-2 ne sont pas des résultats attribuables aux experts de TW3Cast.
6. Quelles questions poser avant de constituer un groupe métier ?
Un groupe métier doit être défini par une hypothèse de relation entre séries et par les informations effectivement disponibles à la date de prévision. Dans leur discussion, Ansari et al., 17 octobre 2025 envisagent des regroupements à partir de métadonnées ou de représentations numériques des séries comme piste de recherche.
TW3 recommande de formaliser un protocole de comparaison avant de retenir ce regroupement. Pour chaque variable, documenter son rôle, sa fréquence, son périmètre et sa disponibilité passée ou future. Conserver une correspondance stable entre les séries et leurs groupes pour pouvoir reproduire chaque essai ; lors d’un changement de composition, enregistrer la nouvelle correspondance. La stabilité recherchée concerne la traçabilité du test, puisque l’identifiant sert à délimiter les échanges autorisés.
Comparer ensuite les prévisions indépendantes et les prévisions groupées sur les mêmes dates et avec le même horizon. Distinguer dans les essais l’ajout de covariables du partage entre cibles permet de préciser quelle information accompagne l’évolution mesurée. Sur la disponibilité des variables, se reporter à Variables exogènes : quelles informations sont réellement disponibles à la date de prévision ?.
Il est utile de répéter la comparaison sur des périodes métier différentes. Thierry et Rochet, 16 septembre 2026 signalent que leur évaluation repose sur une hypothèse de continuité du régime, qu’une rupture pourrait invalider. Le choix des groupes et le gain attendu dans une organisation restent à établir par cette évaluation locale.
FAQ
Quelles entrées Chronos-2 regroupe-t-il ?
Il regroupe les cibles et leurs covariables, ou plusieurs séries apparentées. Les valeurs futures des cibles restent absentes des entrées ; seules les covariables connues peuvent renseigner la période à prévoir. Le masque conserve la distinction entre observations et valeurs manquantes.
Quelle différence entre attention temporelle et attention de groupe ?
La première agrège l’information entre blocs d’une même série. La seconde agrège l’information entre séries d’un groupe au même indice de bloc. Leur alternance permet de combiner les relations temporelles et les échanges entre variables.
Comment l’apprentissage dans le contexte intervient-il ?
Le modèle exploite les autres séries autorisées par les identifiants de groupe pendant la prévision. Ses paramètres sont déjà entraînés. Le fine-tuning d’un expert, tel que le décrit TW3Cast, correspond à une étape d’adaptation distincte.
Quelles dépendances les données synthétiques enseignent-elles ?
Les procédés décrits imposent des corrélations au même instant ou des dépendances temporelles entre séries. Les données obtenues servent à entraîner des tâches multivariées et des tâches avec covariables. Ces dépendances construites pour l’entraînement ne valent pas démonstration de causalité dans une organisation.
Que montrent les comparaisons avec et sans partage ?
Dans la prépublication d’Ansari et al., 17 octobre 2025, la comparaison sur fev-bench montre les gains les plus marqués pour les tâches avec covariables et des gains modestes pour les tâches multivariées sans covariables. Ces résultats se lisent avec leur métrique et leur périmètre. Ils justifient un essai comparatif sur les données métier envisagées.
Pour aller plus loin
- Variables exogènes : quelles informations sont réellement disponibles à la date de prévision ?
- KernelSynth et TSMix : comment Chronos enrichit les données de préentraînement
- iTransformer : déplacer l’attention du temps vers les variables
Sources
- Ansari et al., Chronos-2: From Univariate to Universal Forecasting, prépublication déposée sur arXiv le 17 octobre 2025, version initiale, consulté le 9 octobre 2026.
- Ansari et al., Chronos-2, texte intégral HTML, 17 octobre 2025, consulté le 9 octobre 2026.
- Ansari et al., Chronos-2, texte intégral PDF, 17 octobre 2025, consulté le 9 octobre 2026.
- Thierry et Rochet, TW3 Partners, TW3Cast: A Frozen Router of Lightly Fine-Tuned Foundation Models for Time-Series Forecasting on GIFT-Eval, Selected Entirely on the Training Split, prépublication déposée sur arXiv le 16 septembre 2026, consulté le 9 octobre 2026.
- Thierry et Rochet, TW3 Partners, TW3Cast, texte intégral HTML, 16 septembre 2026, consulté le 9 octobre 2026.