Prévision : choisir un modèle local ou global

Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 26 octobre 2026.

En bref

Pour prévoir plusieurs séries de données, on peut apprendre séparément sur chacune ou partager un même modèle entre elles. Le choix engage le périmètre des données à réunir et celui des modèles à maintenir. L’apprentissage séparé est dit « local » ; l’apprentissage partagé est dit « global ». Dans la prépublication de Montero-Manso et Hyndman déposée sur arXiv le 2 août 2020, version révisée le 26 mars 2021, un modèle commun utilisant les 25 dernières observations obtient une erreur moyenne plus faible que les modèles séparés comparés sur les 617 séries mensuelles du jeu de données M1. Ce résultat motive une comparaison sur les données de l’organisation, sans fixer à lui seul le périmètre à mutualiser. TW3 recommande de comparer apprentissage séparé, partage complet et partage par familles sur les mêmes périodes réservées à l’évaluation.

1. Que désignent local et global dans cette littérature ?

Un modèle local désigne une fonction de prévision apprise séparément pour chaque série ; un modèle global désigne une fonction commune, apprise sur un ensemble de séries. C’est la distinction posée par Montero-Manso et Hyndman dans leur version arXiv du 26 mars 2021. Une fonction de prévision transforme l’historique observé en valeurs futures estimées.

Le même algorithme peut donc produire des modèles locaux : il est exécuté séparément sur chaque historique et ajuste une fonction propre à celui-ci. Dans l’approche globale, l’apprentissage réunit les données pour ajuster une fonction partagée. Celle-ci reçoit ensuite l’historique de chaque série pour en prévoir la suite. Partager la fonction permet ainsi de produire des prévisions différentes selon les historiques fournis.

Le mot « local » décrit ici l’unité d’apprentissage. Il ne renseigne ni sur le lieu d’hébergement ni sur le domaine métier. De même, « global » décrit le partage entre séries ; le terme ne signifie pas que le modèle a été préentraîné sur des données externes. Le préentraînement désigne une étape antérieure d’apprentissage, tandis que la spécialisation consiste à adapter un modèle à un périmètre donné.

Organisation de l’apprentissage	Données réunies pour ajuster la fonction	Fonction utilisée ensuite
Local	Historique de chaque série séparément	Fonction propre à la série
Global	Historiques de l’ensemble retenu	Fonction partagée entre les séries
Partage par familles	Historiques de chaque groupe retenu	Fonction partagée dans chaque groupe

La dernière ligne correspond au partitionnement étudié par les auteurs : découper le portefeuille en groupes place le choix entre les extrêmes local et global.

2. Un modèle global impose-t-il des séries semblables ?

La ressemblance des séries n’est pas une condition de l’équivalence théorique établie par Montero-Manso et Hyndman, version du 26 mars 2021. Leur proposition porte sur un ensemble fini de séries observées, de longueur finie, et sur un horizon de prévision fini. Elle montre l’existence d’une fonction globale capable de reproduire les prévisions d’un algorithme local.

Le raisonnement utilise l’historique complet de chaque série. Si les historiques diffèrent, une fonction suffisamment expressive peut leur associer les prévisions correspondantes. Si des historiques sont identiques, l’algorithme local considéré doit lui aussi produire le même résultat à partir de la même entrée. Cette condition évite de demander à la fonction globale des réponses incompatibles pour une entrée identique.

Il faut distinguer cette capacité de représentation de la capacité à apprendre effectivement la fonction avec les données disponibles. Le théorème ne départage donc pas des algorithmes concrets après un entraînement limité.

Les auteurs précisent également le rôle de la mémoire, c’est-à-dire du nombre d’observations passées présentées au modèle. Avec une mémoire réduite, des séries différentes peuvent avoir une fin identique. Le modèle global reçoit alors la même entrée pour ces séries. L’équivalence peut nécessiter une mémoire plus longue. Pour préparer une comparaison, il est donc utile d’examiner ensemble le partage des données et la profondeur d’historique utilisée.

3. Comment la complexité évolue-t-elle avec le nombre de séries ?

À classes de fonctions fixées, les choix de modèles s’accumulent avec les séries dans l’approche locale, tandis que l’approche globale conserve une fonction partagée. C’est le mécanisme analysé par Montero-Manso et Hyndman, version du 26 mars 2021. La complexité désigne ici le nombre de fonctions que l’apprentissage peut sélectionner, et non la durée du calcul.

Les auteurs étudient l’écart entre l’erreur sur les données d’apprentissage et l’erreur attendue sur des données non observées. Leurs bornes relient cet écart à la complexité et à la quantité d’information disponible. Leur comparaison porte sur l’erreur moyenne de l’ensemble et suppose notamment des séries indépendantes, une erreur bornée et des classes de fonctions finies. La dépendance temporelle est prise en compte à travers une taille d’échantillon dite effective, généralement inférieure au nombre d’observations.

Dans ce cadre, le partage permet d’envisager une fonction commune plus complexe que chacune des fonctions locales prises isolément. Cette complexité supplémentaire peut servir à utiliser davantage d’historique ou une autre famille de modèles. Une meilleure borne reste un argument de conception : elle ne garantit pas une erreur future plus faible sur chaque série industrielle.

Le partitionnement constitue un autre réglage. Les auteurs distinguent un découpage fixé avant l’examen des données d’un regroupement choisi à partir de celles-ci. Rechercher le meilleur regroupement ajoute des choix à l’apprentissage. Dans un protocole de comparaison, il convient donc de réserver l’évaluation finale après le choix des familles.

4. Que montrent les expériences des auteurs ?

Elles montrent qu’un modèle global linéaire peut être compétitif lorsque sa mémoire est adaptée, sur les jeux et selon le protocole étudiés. Dans la prépublication de Montero-Manso et Hyndman, version du 26 mars 2021, les références locales comprennent notamment ARIMA, le lissage exponentiel et la méthode Theta. Les données couvrent des compétitions de prévision, le tourisme, la météo, le trafic et la consommation électrique.

Le modèle global linéaire utilise des valeurs passées comme entrées et apprend leurs coefficients par moindres carrés. Les auteurs empilent les exemples provenant des séries dans une matrice commune. La prévision avance ensuite récursivement : les valeurs prévues alimentent les étapes suivantes. La mémoire correspond au nombre de valeurs passées retenues pour chaque exemple.

L’évaluation privilégie MASE, une mesure d’erreur mise à l’échelle. Le protocole applique également une normalisation de chaque série liée à cette mesure. Sur les 617 séries mensuelles de M1, la figure consacrée à la mémoire montre qu’un modèle global d’ordre 25 obtient une erreur MASE moyenne inférieure à celle des références locales comparées. Les auteurs observent des améliorations lorsque la mémoire approche les périodes saisonnières. Leur annexe décrit aussi un comportement inverse sur le sous-ensemble de Dominick étudié : augmenter la mémoire du modèle global linéaire y dégrade la précision.

Ces expériences donnent ainsi un paramètre concret à tester. Une comparaison avec une mémoire globale trop courte risque de laisser de côté la capacité étudiée. Nous recommandons de documenter la plage d’historique testée, la normalisation et la mesure d’erreur avec le résultat, afin que le choix puisse être reproduit.

5. Comment situer les spécialistes de TW3Cast ?

TW3Cast organise des spécialistes par configuration et peut enrichir leur apprentissage avec des données apparentées. La prépublication de Thierry et Rochet, TW3 Partners, déposée sur arXiv le 16 septembre 2026 décrit une configuration par son jeu de données, sa fréquence et sa classe d’horizon. La sélection repose sur une table préparée à partir de la partie réservée à l’entraînement, puis figée.

Le système part de modèles de fondation publics et les adapte légèrement. Dans la préparation des experts, les configurations pauvres en données peuvent recevoir les données d’apprentissage de configurations apparentées, du même domaine ou de la même fréquence. La cible reçoit un poids supérieur. Les familles sont constituées selon la fréquence et l’horizon, puis le domaine ; des plafonds par source limitent la place prise par un corpus dans le mélange.

Cette organisation associe plusieurs décisions : réutiliser un modèle préentraîné, définir les données de spécialisation et choisir la prévision à servir pour une configuration. Dans la terminologie présentée ici, un spécialiste entraîné sur plusieurs séries partage son apprentissage à cette échelle. Son caractère spécialisé ne suffit pas à le qualifier de local au sens de Montero-Manso et Hyndman.

L’apport de TW3Cast à cette discussion est le choix explicite du périmètre de données. Le texte rapporte qu’un enrichissement a pu noyer le signal d’un jeu météo, alors que des configurations pauvres en données bénéficiaient d’une famille enrichie. Cette observation motive le dosage et la comparaison des corpus. Elle reste distincte de la proposition théorique d’équivalence entre apprentissages local et global.

6. Quels critères utiliser pour choisir une unité d’apprentissage ?

Le choix peut être instruit par une comparaison qui fait varier le périmètre partagé en conservant les mêmes conditions d’évaluation. La démarche suivante est une proposition de méthode du cabinet, à adapter aux données et à la décision métier.

Commencez par décrire le portefeuille : nombre de séries, longueur de chaque historique, fréquence, horizon attendu et variables explicatives disponibles. Recensez aussi les écarts d’échelle et les ruptures de comportement qui pourraient motiver des groupes distincts. Cette description sert à formuler des hypothèses de partage testables.

La disponibilité des variables explicatives mérite une vérification particulière. Dans DeepAR, prépublication de Salinas, Flunkert et Gasthaus déposée sur arXiv le 13 avril 2017, version révisée le 22 février 2019, un réseau commun apprend sur plusieurs séries apparentées. Les variables explicatives sont supposées connues sur toute la plage de prévision. Le partage du modèle s’accompagne donc d’un contrat précis sur ses entrées.

Construisez ensuite les candidats locaux, globaux et par familles avec des coupures temporelles identiques. Réservez le choix des regroupements et des réglages aux données d’apprentissage et de validation. Faites varier la mémoire explicitement, puis comparez l’erreur moyenne et sa répartition entre séries, notamment celles qui portent les décisions les plus sensibles.

Enfin, documentez le périmètre retenu et les conditions qui justifieraient son réexamen. Si certaines familles se dégradent alors que la moyenne progresse, conservez cette information dans l’arbitrage. Le livrable attendu est une unité d’apprentissage motivée par l’évaluation, accompagnée des données nécessaires à son maintien.

FAQ

Que désignent local et global dans cette littérature ?
Local signifie que chaque série reçoit une fonction apprise séparément. Global signifie qu’une fonction est apprise en commun pour l’ensemble retenu. Ces termes décrivent l’apprentissage, indépendamment du lieu où le calcul est hébergé.

Un modèle global impose-t-il des séries semblables ?
La proposition théorique étudiée n’impose aucune ressemblance pour représenter les prévisions locales sur l’ensemble fini considéré. L’apprentissage effectif reste à évaluer, notamment selon la mémoire du modèle et les données disponibles. Cette distinction sépare l’existence d’une solution de sa construction pratique.

Comment la complexité évolue-t-elle avec le nombre de séries ?
L’approche locale multiplie les fonctions ajustées quand le portefeuille s’agrandit. L’approche globale partage une fonction, ce qui peut autoriser davantage de complexité dans celle-ci. Les bornes comparant les groupes concernent l’erreur moyenne et reposent notamment sur l’indépendance entre séries.

Que montrent les expériences des auteurs ?
Des modèles globaux linéaires obtiennent des résultats compétitifs dans les protocoles étudiés. La profondeur d’historique joue un rôle, avec des effets différents selon les jeux. La comparaison opérationnelle doit conserver la mesure d’erreur, les traitements et les périodes d’évaluation avec chaque résultat.

Comment situer les spécialistes de TW3Cast ?
Ils adaptent des modèles préentraînés à des configurations, éventuellement enrichies par des corpus apparentés. Une spécialisation peut partager l’apprentissage entre plusieurs séries. Son périmètre doit donc être décrit avant de la rapprocher des notions de local et de global.

Pour aller plus loin

DeepAR : apprendre une distribution de demande sur plusieurs séries apparentées
Enrichir une série peu documentée : sélectionner et doser les corpus apparentés
ES-RNN : combiner lissage exponentiel et réseau récurrent dans un même apprentissage

Modèle local ou global : faut-il apprendre une prévision par série ?