Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 2 novembre 2026.
En bref
Examiner les écarts entre un modèle et les observations aide à choisir ce qu’il faut corriger avant d’engager un changement technique. Ces écarts, appelés résidus lorsqu’ils concernent les données utilisées pour ajuster le modèle, peuvent révéler une sous-estimation persistante ou un motif que le modèle laisse subsister. Dans leur manuel de prévision de 2021, Hyndman et Athanasopoulos proposent d’examiner leur moyenne et leurs liens dans le temps. L’amplitude des écarts compte aussi pour apprécier l’incertitude annoncée. Selon leur chapitre sur l’évaluation, la qualité des prévisions se mesure sur des observations qui ont été tenues hors de l’ajustement. Pour une direction métier, le diagnostic sert donc à préparer un essai ciblé dont les résultats guideront la décision.
1. Quelle différence entre résidu et erreur de prévision ?
Un résidu décrit l’écart restant après ajustement du modèle ; une erreur de prévision confronte une prévision à une observation tenue hors de cet ajustement. Dans le chapitre consacré aux valeurs ajustées, Hyndman et Athanasopoulos, 2021, le résidu désigne la valeur observée moins la valeur ajustée correspondante. Avec cette convention, un résidu positif signifie que la valeur ajustée est inférieure à l’observation.
Le point délicat concerne l’information utilisée. Une valeur ajustée peut ressembler à une prévision du prochain point alors que les paramètres du modèle ont été estimés sur tout l’historique, y compris des observations postérieures à ce point. Elle bénéficie alors d’une information qui aurait été indisponible au moment de prévoir.
Le chapitre sur l’exactitude des prévisions du même ouvrage distingue aussi les horizons : dans cette présentation, les résidus reposent sur des prévisions au pas suivant, tandis que les erreurs peuvent concerner plusieurs échéances. Un ajustement satisfaisant de l’historique ne démontre donc pas une capacité à anticiper les observations futures.
Pour préparer le diagnostic, TW3 recommande de consigner la période d’ajustement, l’horizon et l’échelle du calcul. Le chapitre sur les résidus distingue notamment les écarts dans l’unité d’origine des « résidus d’innovation », calculés sur l’échelle transformée lorsqu’une transformation est employée. Cette précision permet de savoir exactement quel signal l’équipe examine.
2. Que signale une moyenne non nulle ?
Une moyenne non nulle décrit un décalage de niveau sur les données examinées. Dans leur chapitre de diagnostic, Hyndman et Athanasopoulos, 2021, les auteurs attendent une moyenne nulle des résidus d’innovation. Ils décrivent une correction additive : ajouter aux prévisions la moyenne des résidus.
Cette correction se comprend avec la convention précédente. Lorsque les observations dépassent en moyenne les valeurs prévues, ajouter l’écart moyen remonte le niveau des prévisions. Si la moyenne est négative, le déplacement agit dans l’autre sens. La correction doit rester cohérente avec l’échelle sur laquelle l’écart a été calculé.
Comme démarche de cabinet, nous proposons de commencer par représenter les résidus dans le temps, puis d’examiner leur moyenne sur des périodes pertinentes pour l’activité. La question de travail devient : le décalage apparaît-il de manière persistante ou se concentre-t-il dans une période particulière ? Cette lecture vise à formuler une hypothèse de correction du niveau, à vérifier ensuite sur des prévisions hors ajustement.
Le compte rendu doit nommer la période et l’unité de mesure, puis distinguer le biais observé de la correction envisagée. Il est utile de fixer avec le métier l’écart qui justifierait une action, selon les conséquences de la sous-estimation ou de la surestimation. Avant d’investir dans une autre architecture, une correction du niveau peut ainsi devenir un candidat explicite à comparer au modèle actuel.
3. Comment lire une fonction d’autocorrélation ?
La fonction d’autocorrélation décrit les liens linéaires entre les résidus séparés par différents décalages temporels. Dans le chapitre sur l’autocorrélation de Hyndman et Athanasopoulos, 2021, un retard correspond à ce décalage entre les valeurs comparées. La fonction rassemble les coefficients obtenus pour les retards examinés ; son abréviation usuelle est ACF.
Appliquée aux résidus, elle aide à rechercher une structure encore exploitable. Les auteurs expliquent que la saisonnalité produit des autocorrélations plus fortes aux retards multiples de sa période. Dans un diagnostic, un tel motif peut donc orienter l’hypothèse d’un cycle insuffisamment représenté. Il faut d’abord traduire les retards en durée, selon la fréquence des observations, pour relier le graphique au fonctionnement de l’activité.
Les bandes du graphique fournissent un repère statistique. Le chapitre sur le bruit blanc du même ouvrage indique que, pour une série sans autocorrélation, environ 95 % des coefficients sont attendus dans les bandes de référence. Ces bandes dépendent de la longueur de la série. Un dépassement isolé demande donc une interprétation prudente.
Le chapitre de diagnostic du même ouvrage rappelle que regarder chaque coefficient séparément multiplie les occasions de trouver un faux signal. Pour rendre la lecture vérifiable, joignez au graphique la fréquence des données et les retards affichés. Décrivez ensuite le motif observé avant de proposer sa cause : un rapprochement avec le calendrier reste une hypothèse à éprouver.
4. Que teste Ljung-Box ?
Ljung-Box examine conjointement les autocorrélations jusqu’à un retard maximal choisi. Le chapitre de diagnostic de Hyndman et Athanasopoulos, 2021 le présente comme un test global : l’hypothèse nulle est l’absence d’autocorrélation aux retards considérés, compatible avec un bruit blanc. La statistique rassemble les autocorrélations ; des valeurs élevées conduisent à mettre cette hypothèse en doute.
Le choix des retards fait partie du test. Les auteurs suggèrent un maximum de 10 pour une série non saisonnière, et de deux périodes saisonnières pour une série saisonnière, avec une limite au cinquième du nombre d’observations. Ce sont des repères de méthode à relier à la fréquence étudiée et à la quantité de données disponible.
Les degrés de liberté déterminent la loi statistique de référence. Le chapitre sur les modèles ARIMA du même ouvrage précise leur ajustement : on retranche au nombre de retards le nombre de paramètres autorégressifs et de moyenne mobile. Cette règle concerne les modèles ARIMA présentés dans le chapitre.
Dans le compte rendu, indiquez les retards, les degrés de liberté et le seuil de décision retenu avec la valeur obtenue. Une absence de rejet ne démontre pas l’indépendance des résidus. Le résultat concerne les autocorrélations examinées ; celles-ci décrivent des relations linéaires. Il convient de conserver les graphiques et l’analyse de dispersion à côté de ce résultat.
5. Quelles propriétés demandent une évaluation probabiliste ?
La dispersion des résidus et leur distribution deviennent déterminantes lorsque la prévision annonce une plage d’incertitude. Selon Hyndman et Athanasopoulos, 2021, dans leur chapitre de diagnostic, une variance constante et une distribution normale facilitent le calcul des intervalles de prévision. Ces propriétés sont utiles sans être nécessaires à toute méthode de prévision. Une autre manière de construire les intervalles peut être requise lorsque ces hypothèses conviennent mal.
Un intervalle de prévision annonce une plage de valeurs pour une observation future, associée à un niveau de probabilité. Son évaluation doit tenir compte de sa largeur et des observations qui tombent en dehors. Dans leur prépublication déposée sur arXiv le 26 mai 2020, révisée le 8 janvier 2021, Bracher et ses coauteurs présentent le score pondéré d’intervalles, ou WIS. Il combine une mesure de largeur avec des pénalités liées aux observations situées hors des intervalles.
Le texte traite de prévisions épidémiques. Nous en retenons ici un prolongement méthodologique pour l’évaluation de l’incertitude, distinct du protocole TW3Cast. Sa partie consacrée à la calibration, c’est-à-dire à l’accord entre probabilités annoncées et observations, complète cette lecture par des diagnostics graphiques.
Pour un essai opérationnel, il est utile d’examiner séparément l’erreur de la prévision centrale et la qualité des intervalles. Si la dispersion varie au fil du temps, formulez une hypothèse sur la construction de l’incertitude, puis comparez les intervalles obtenus sur des observations hors ajustement.
6. Comment transformer le diagnostic en décision de test ?
Le diagnostic devient exploitable lorsqu’un signal débouche sur une modification précise à évaluer. Le chapitre de diagnostic de Hyndman et Athanasopoulos, 2021 souligne que plusieurs méthodes peuvent présenter des résidus satisfaisants. Ces propriétés servent à examiner l’information restante ; elles ne suffisent pas à sélectionner une méthode de prévision.
Le tableau suivant constitue une proposition de travail du cabinet. Chaque ligne exprime une hypothèse à tester, sans résultat présumé.
| Signal examiné | Hypothèse de méthode | Essai à préparer |
|---|---|---|
| Moyenne décalée | Niveau de prévision biaisé | Comparer le modèle actuel à une correction additive du niveau |
| Motif aux retards saisonniers | Cycle insuffisamment représenté | Tester une modification de la représentation du cycle |
| Dispersion variable | Incertitude mal adaptée à certaines périodes | Comparer une autre construction des intervalles |
L’ancrage TW3Cast porte sur la décision à partir d’erreurs de prévision. Dans leur prépublication déposée sur arXiv le 16 septembre 2026, Thierry et Rochet décrivent un backtest extrait de la période d’entraînement : les candidats y sont évalués sur des fenêtres comprenant un contexte puis un horizon à prévoir. La table de sélection est ensuite figée avant la lecture des fenêtres de test. Les auteurs signalent aussi que privilégier les périodes récentes suppose une continuité des régimes, qu’une rupture brutale à la frontière entre entraînement et test peut mettre en défaut.
Cette étude fournit un cadre de sélection ; les diagnostics développés ici sont des prolongements méthodologiques. Pour décider d’un changement, consignez le signal de départ, la modification envisagée et son critère d’évaluation. Demandez ensuite les erreurs hors ajustement correspondantes : elles permettent d’apprécier l’intérêt du changement pour l’échéance qui compte dans la décision métier.
FAQ
Quelle différence entre résidu et erreur de prévision ?
Le résidu compare une observation à la valeur ajustée sur l’historique. L’erreur de prévision porte sur une observation exclue de l’ajustement et peut concerner une échéance plus éloignée. Les paramètres utilisés pour l’ajustement peuvent avoir bénéficié d’informations postérieures au point examiné.
Que signale une moyenne non nulle ?
Elle indique un décalage moyen entre observations et valeurs prévues, sur le périmètre analysé. Une correction additive constitue une piste à examiner. Son intérêt doit être vérifié sur des observations hors ajustement avant de retenir la modification.
Comment lire une fonction d’autocorrélation ?
Elle représente la relation linéaire entre les résidus et leurs valeurs décalées dans le temps. La fréquence des données donne un sens concret aux retards. Les bandes sont des repères statistiques ; multiplier les retards inspectés augmente le risque de trouver un faux signal.
Que teste Ljung-Box ?
Il examine ensemble les autocorrélations jusqu’au retard maximal retenu. Son interprétation dépend des retards et des degrés de liberté utilisés. Au seuil retenu, une absence de rejet signifie que le test n’a pas détecté d’autocorrélation significative parmi les retards examinés. Elle ne démontre pas l’indépendance des résidus.
Quelles propriétés demandent une évaluation probabiliste ?
L’évaluation probabiliste concerne l’incertitude annoncée autour de la prévision, notamment ses intervalles. Des scores d’intervalles prennent en compte leur largeur et les dépassements observés. L’analyse de la dispersion des résidus aide à préparer cette évaluation sans imposer une distribution normale à tous les modèles.
Pour aller plus loin
- Prévision naïve saisonnière : construire une référence que le modèle doit dépasser
- Saisonnalités multiples : représenter les cycles horaires, hebdomadaires et calendaires
- Test de Diebold-Mariano : comparer deux méthodes sur leurs erreurs de prévision
Sources
- OTexts, Hyndman et Athanasopoulos, Forecasting: Principles and Practice, troisième édition, 2021, consulté le 9 octobre 2026.
- OTexts, Fitted values and residuals, 2021, consulté le 9 octobre 2026.
- OTexts, Residual diagnostics, 2021, consulté le 9 octobre 2026.
- OTexts, Evaluating point forecast accuracy, 2021, consulté le 9 octobre 2026.
- OTexts, Autocorrelation, 2021, consulté le 9 octobre 2026.
- OTexts, White noise, 2021, consulté le 9 octobre 2026.
- OTexts, ARIMA modelling in fable, 2021, consulté le 9 octobre 2026.
- Bracher et al., Evaluating epidemic forecasts in an interval format, prépublication déposée sur arXiv le 26 mai 2020, version révisée le 8 janvier 2021, texte intégral, consulté le 9 octobre 2026.
- Thierry et Rochet, 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, texte intégral, consulté le 9 octobre 2026.