Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 16 novembre 2026.

En bref

Pour gérer les ex æquo, cherchez pourquoi les valeurs sont égales et indiquez comment elles reçoivent leur place dans le classement. Avant une décision fondée sur ce classement, il faut savoir ce que la mesure permet de départager. La documentation SciPy de rankdata propose 5 règles pour attribuer les rangs, c’est-à-dire les positions dans la liste ; elles sont comparées ci-dessous. Avant de calculer une corrélation, qui mesure ici la relation entre les classements, repérez les groupes dont toutes les valeurs sont identiques. Le diagnostic de la prépublication TW3 déposée sur arXiv le 7 septembre 2026 porte notamment sur les valeurs distinctes et les plafonds. Le dossier de décision devrait préciser l’origine des égalités, la règle de classement et les groupes effectivement analysés.

1. D’où viennent les égalités ?

Une égalité porte sur les valeurs enregistrées ; son origine doit être recherchée dans la mesure et ses transformations. Nous recommandons de commencer par un diagnostic : les observations ont-elles la même valeur avant traitement, la précision disponible suffit-elle à les distinguer, un plafond intervient-il, et à quel moment arrondit-on ? Ces questions constituent une méthode de contrôle proposée par le cabinet.

Dans Scoring Without the Engine, prépublication déposée sur arXiv le 7 septembre 2026, TW3 examine les groupes comportant peu de valeurs distinctes. Son annexe G distingue notamment la saturation au plafond et les valeurs constantes dues au fonctionnement de certains calculs sur les entrées disponibles. L’appui retenu ici concerne ce diagnostic des distributions, sans transférer les résultats du papier à un autre usage.

Pour appliquer cette lecture, conservez la valeur d’origine à côté de la valeur utilisée pour classer. Renseignez la précision d’enregistrement, les règles d’arrondi et les bornes imposées. Si une transformation rassemble des valeurs auparavant distinctes, le dossier de mesure doit permettre de retrouver cette étape. Si l’entrée est déjà identique, le diagnostic doit remonter à sa définition et à son mode de collecte.

Cette vérification oriente la décision : conserver une égalité, revoir une transformation ou recueillir une information supplémentaire. La convention de rang vient ensuite. Lui demander de résoudre seule le problème reviendrait à lui confier un choix de mesure qui doit être explicité en amont.

2. Quelles conventions de rang sont disponibles ?

La convention choisie fixe le rang attribué aux valeurs égales. La documentation officielle SciPy de rankdata décrit les règles suivantes ; average est le réglage par défaut.

ConventionTraitement des valeurs égales
average, rang moyenChaque valeur reçoit la moyenne des positions que le groupe occuperait.
min, rang minimumChaque valeur reçoit la plus petite de ces positions.
max, rang maximumChaque valeur reçoit la plus grande de ces positions.
dense, rang denseLe groupe partage un rang ; la valeur distincte suivante reçoit le rang immédiatement suivant.
ordinal, rang ordinalChaque observation reçoit un rang distinct ; les égalités sont départagées selon l’ordre des entrées.

Le rang moyen conserve donc une place commune aux ex æquo. Les conventions minimum et maximum placent tout le groupe à une extrémité des positions occupées. Le rang dense enchaîne les niveaux distincts sans laisser de positions vacantes entre eux. Ces règles répondent à des besoins de représentation différents.

Le rang ordinal mérite une attention particulière. Puisqu’il utilise l’ordre des entrées, une permutation des observations égales change leur départage. C’est une conséquence directe de la règle décrite par SciPy. Si cet ordre provient seulement de l’importation d’un fichier, il devient pourtant un critère de classement.

Pour une restitution destinée à la direction, indiquez la convention dans la légende et gardez la valeur mesurée accessible. Pour un calcul statistique, vérifiez le traitement réellement appliqué par la fonction choisie. Une préférence d’affichage ne suffit pas à justifier une transformation des données utilisées pour mesurer l’association.

3. Comment les coefficients traitent-ils les ex æquo ?

Spearman et Kendall intègrent les égalités par des mécanismes différents. Dans le code officiel SciPy de spearmanr, version v1.18.0, les observations sont transformées par rankdata, puis une corrélation de Pearson, selon la définition NumPy de corrcoef, est calculée sur les rangs. Le réglage par défaut attribue les rangs moyens aux égalités. Cette procédure est celle à examiner, plutôt qu’une formule raccourcie supposant l’absence d’ex æquo.

Pour Kendall, la documentation SciPy de kendalltau distingue les paires concordantes, qui suivent le même ordre dans les variables comparées, et les paires discordantes, dont l’ordre s’inverse. La variante tau-b emploie le calcul suivant :

tau-b = (P - Q) / sqrt((P + Q + T) × (P + Q + U))

P compte les paires concordantes et Q les discordantes. T compte les paires égales seulement dans la première variable, U celles égales seulement dans la seconde. Une paire égale dans les variables comparées n’entre ni dans T ni dans U. Les termes du dénominateur rendent donc le traitement des égalités explicite. La variante tau-c utilise une autre normalisation.

Il faut aussi séparer le coefficient de sa valeur p, utilisée pour le test statistique. SciPy réserve le calcul exact de la valeur p de Kendall, avec la méthode exact, aux données sans égalités. Pour Spearman, la documentation de spearmanr recommande d’envisager un test par permutation sur les petits échantillons. Obtenir un coefficient ne dispense donc pas de vérifier les conditions du test qui l’accompagne.

4. Quand un coefficient devient-il indéfini ?

Une série constante peut empêcher le calcul de la corrélation. La documentation SciPy de spearmanr prévoit un avertissement ConstantInputWarning et renvoie NaN lorsqu’une entrée est constante. NaN signale ici que le calcul ne fournit pas de valeur de corrélation. Remplacer ce résultat par zéro lui attribuerait à tort le sens d’une corrélation nulle.

Pour Kendall tau-b, la formule précédente donne également un dénominateur nul si une variable est constante. Aucune paire n’est alors concordante ou discordante ; le terme réservé aux égalités dans la seule autre variable est également nul. Un facteur du dénominateur s’annule donc. Cette conséquence mathématique de la définition fournie par SciPy justifie de conserver un statut distinct pour ces groupes.

Les valeurs absentes posent un autre problème. SciPy propose notamment de propager NaN, de lever une erreur ou d’omettre les valeurs concernées. Documentez le paramètre nan_policy et les observations effectivement conservées. La population disponible après omission mérite un contrôle propre, notamment pour repérer un groupe devenu constant après retrait.

Pour une analyse par groupes, le relevé devrait donner l’effectif initial, les exclusions et l’effectif sur lequel le coefficient est défini. Si les résultats sont ensuite agrégés, précisez combien de groupes alimentent cette synthèse et comment ils sont pondérés. Cette recommandation prolonge le souci de périmètre du papier TW3, qui distingue les groupes complets de ceux dont la variance permet l’analyse de corrélation. Elle évite de présenter des résultats calculés sur des populations différentes comme directement comparables.

5. Faut-il départager pour décider ?

Une décision peut exiger un choix unique alors que la mesure conserve des ex æquo. La règle opérationnelle de départage doit alors être décrite séparément. Dans Measurement and Fairness, prépublication déposée sur arXiv le 11 décembre 2019 et révisée le 12 mars 2021, Jacobs et Wallach expliquent que les hypothèses reliant une notion à sa mesure doivent être explicitées et testées avant utilisation.

Pour transposer ce principe, définissez d’abord la notion qui justifie le classement. Précisez ensuite si une information supplémentaire est pertinente pour décider entre les observations égales. Le cabinet propose de faire valider ce critère avant d’examiner les cas qu’il départagera, puis de conserver la mesure initiale et la décision finale dans des champs distincts.

Lorsqu’un tirage est retenu, décrivez-le comme une procédure de décision et archivez les éléments nécessaires à sa reproduction. De même, si l’ordre d’arrivée est choisi, nommez-le explicitement : avec ordinal, cet ordre intervient effectivement dans l’attribution des rangs. Le responsable métier doit pouvoir expliquer pourquoi ce critère convient à l’usage prévu.

Ajouter un bruit numérique aux valeurs pour les séparer constitue également une règle de départage proposée, dont il faut assumer l’arbitraire. Ce bruit ne reconstitue aucune observation manquante. Pour le dossier de validation, gardez donc le calcul descriptif sur les valeurs initiales et évaluez séparément les décisions produites par la règle supplémentaire.

6. Quel relevé produire ?

Le relevé doit permettre de refaire le classement et d’identifier la population sur laquelle porte chaque résultat. TW3 recommande de réunir les éléments suivants dans le dossier remis avec l’analyse :

  • La définition de la valeur classée, sa précision d’enregistrement et les transformations appliquées avant calcul.
  • Le nombre de valeurs distinctes par groupe, la fréquence des égalités et la définition exacte de cette fréquence.
  • La convention de rang, le sens du classement et les paramètres des fonctions employées.
  • Les valeurs absentes, les groupes constants et les motifs d’exclusion, avec les effectifs conservés.
  • Le coefficient retenu, sa variante éventuelle et la méthode du test statistique.
  • La règle de départage opérationnelle, lorsqu’elle intervient après la mesure.

Définissez notamment si la fréquence des égalités désigne la part des observations appartenant à un groupe d’ex æquo ou la part des paires à égalité. Le dénominateur doit apparaître à côté du résultat. Cette précision relève de la méthode de restitution proposée ici.

Le diagnostic de distribution suit l’attention portée aux valeurs distinctes et aux plafonds dans la prépublication TW3. La description des paramètres reprend les choix exposés par SciPy. Lors d’une comparaison de méthodes, appliquez une règle commune de traitement des données absentes et rendez visibles les exclusions propres à chaque calcul. Archivez aussi la version de la bibliothèque utilisée.

À la réception du livrable, le décideur doit ainsi pouvoir identifier les égalités conservées par la mesure, celles introduites par une transformation et celles départagées pour agir. Chaque changement de règle appelle une justification dans ce même dossier.

FAQ

Peut-on remplacer un coefficient indéfini par zéro ?
Non. Pour une entrée constante, SciPy indique que Spearman est indéfini et renvoie NaN. Conservez ce statut et précisez les effectifs exclus d’une éventuelle synthèse, car zéro aurait le sens d’une corrélation nulle.

Un rang ordinal est-il neutre ?
SciPy attribue les rangs des ex æquo selon leur ordre dans les entrées. Le rang ordinal intègre donc cet ordre au départage. Vérifiez que le critère ainsi introduit correspond à une règle opérationnelle explicitement retenue.

Ajouter du bruit résout-il les égalités ?
Notre recommandation est de traiter ce bruit comme une règle supplémentaire de départage. Il ne récupère pas une précision qui manque à la mesure. Conservez les valeurs initiales pour l’analyse descriptive et documentez séparément l’usage du tirage.

Faut-il arrondir avant de classer ?
Conservez la précision disponible afin de pouvoir examiner l’effet de l’arrondi. Fixez ensuite l’étape où celui-ci intervient : mesure utilisée par le calcul ou présentation au lecteur. Cette pratique proposée permet de justifier les égalités retenues sans supposer que toute précision supplémentaire est pertinente pour décider.

Comment publier des résultats avec beaucoup d’ex æquo ?
Accompagnez les coefficients du nombre de valeurs distinctes, de la convention de rang et des groupes exclus. Définissez le dénominateur de chaque fréquence publiée. Si un choix opérationnel exige un départage, présentez sa règle à côté de la mesure et gardez les valeurs d’origine accessibles.

Pour aller plus loin

Sources