Prévisions hiérarchiques probabilistes : obtenir des scénarios cohérents entre niveaux

Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 3 novembre 2026.

En bref

Des prévisions cohérentes entre niveaux produisent des scénarios où les valeurs détaillées s’additionnent pour retrouver les totaux. Cette propriété permet de préparer une décision à partir d’hypothèses compatibles entre le terrain et la direction. Dans leur étude publiée par PMLR à l’ICML en 2021, Rangapuram et ses coauteurs intègrent cette correction à l’apprentissage du modèle. Ils exécutent leur méthode 5 fois pour en évaluer la qualité, car respecter les additions ne suffit pas à prévoir correctement. La correction concerne chaque scénario complet, et les seuils de risque calculés séparément pour chaque série peuvent rester non additifs, comme le précise une prépublication de Hu et Kang déposée sur arXiv le 14 septembre 2026. Pour une direction métier, le premier arbitrage consiste donc à définir ce qui doit être cohérent dans les sorties utilisées pour décider.

1. Que signifie la cohérence pour une distribution ?

Une distribution cohérente décrit des résultats possibles qui respectent tous les règles d’addition de la hiérarchie. Selon la définition de Rangapuram et ses coauteurs, PMLR, 2021, une prévision probabiliste représentée par des échantillons est cohérente lorsque chacun de ces échantillons l’est. Un échantillon désigne ici un scénario qui contient simultanément une valeur pour chaque série.

Les auteurs représentent les relations d’agrégation par une matrice, c’est-à-dire un tableau de coefficients indiquant quelles valeurs doivent s’additionner. La contrainte s’écrit Ay = 0 : y contient les valeurs du scénario et A encode les égalités à respecter. Le produit Ay mesure les écarts à ces égalités. Cette écriture couvre une hiérarchie en arbre, mais aussi des regroupements croisés dès lors que leurs relations sont linéaires.

Il faut distinguer ce scénario conjoint des quantiles marginaux. Un quantile est un seuil associé à une probabilité ; « marginal » signifie qu’il est calculé pour une série considérée séparément. Dans leur prépublication déposée sur arXiv le 14 septembre 2026, Hu et Kang montrent que les quantiles marginaux issus d’une distribution cohérente ne s’additionnent généralement pas. Imposer cette addition change donc l’objet contrôlé.

La fiche « Quantiles par échéance et trajectoires simulées : deux représentations de l’incertitude » complète cette lecture. Pour le présent article, le contrôle porte sur les scénarios et leurs sommes.

2. Pourquoi séparer apprentissage et réconciliation peut-il limiter la méthode ?

Un apprentissage séparé peut ignorer les informations des autres séries et la correction qui sera appliquée à ses prévisions. C’est la motivation formulée dans l’introduction de Rangapuram et ses coauteurs, PMLR, 2021. Elle vise les procédures examinées dans l’article, où des prévisions initiales sont produites indépendamment, puis révisées pour devenir cohérentes.

Les auteurs identifient des paramètres appris série par série et une révision ultérieure effectuée sans tenir compte de ces paramètres. Leur proposition consiste à apprendre simultanément à partir de l’ensemble des séries et à mesurer l’erreur après la correction. Le modèle reçoit ainsi un signal d’apprentissage lié aux prévisions qui seront effectivement utilisées.

Dans l’implémentation étudiée, DeepVAR est un réseau récurrent : il utilise les observations passées pour produire les paramètres d’une distribution de prévision. Les paramètres du réseau sont partagés entre les séries. Les auteurs retiennent une covariance diagonale pour la distribution initiale, ce qui simplifie la représentation de l’incertitude avant projection. Cela ne signifie pas que les modèles sont appris indépendamment : la moyenne et la variance prévues pour une série dépendent des observations passées de toutes les séries.

Pour une expérimentation, TW3 recommande de comparer ce modèle conjoint à une variante entraînée sans correction et réconciliée seulement lors de la prévision. Cette comparaison reprend le principe des variantes expérimentales du papier et permet de comparer les modalités d’intégration à l’apprentissage.

3. Comment une projection impose-t-elle les contraintes ?

La projection remplace chaque scénario initial par le scénario cohérent le plus proche au sens de la distance euclidienne. Dans la méthode de Rangapuram et ses coauteurs, PMLR, 2021, le calcul minimise la distance entre le vecteur corrigé et le vecteur initial sous la contrainte Ay = 0.

La solution s’obtient directement par une multiplication matricielle. L’opérateur de projection est M = I - Aᵀ(AAᵀ)⁻¹A, où I désigne la matrice identité et Aᵀ la transposée de A. Appliquer M à un scénario initial produit sa version cohérente. Les auteurs précisent que la matrice à inverser est inversible dans le cadre hiérarchique considéré. La hiérarchie étant fixe, M peut être calculée avant l’entraînement.

La structure d’agrégation détermine donc les corrections admissibles. Le réseau apprend les paramètres de prévision ; la projection applique les règles d’addition fournies. Cette distinction aide à organiser la validation : une erreur dans la définition de la hiérarchie exige de revoir les contraintes elles-mêmes.

L’article envisage aussi des contraintes convexes supplémentaires, traitées par une couche d’optimisation différentiable. Cette extension peut faire perdre la solution directe utilisée pour les seules égalités hiérarchiques. Il convient de traiter toute exigence métier supplémentaire comme une hypothèse d’expérimentation à documenter.

Pour préparer le contrôle, conserver ensemble le scénario avant projection, le scénario corrigé et les écarts aux égalités constitue une proposition de méthode du cabinet. Ces éléments permettent de vérifier l’effet de la correction sans le confondre avec l’erreur de prévision.

4. Comment la réconciliation entre-t-elle dans l’entraînement ?

L’entraînement traverse la génération des scénarios puis leur projection pour ajuster les paramètres du réseau. La section consacrée à la méthode dans Rangapuram et ses coauteurs, PMLR, 2021 explique comment rendre ces opérations différentiables : leurs variations peuvent être prises en compte dans le calcul qui corrige les paramètres appris.

La reparamétrisation sépare le tirage aléatoire des paramètres du modèle. Dans le cas gaussien étudié, un bruit standard indépendant du réseau est transformé à partir de la moyenne et de la covariance prédites. Pour un bruit donné, le scénario obtenu devient une fonction déterministe de ces paramètres. La projection étant une multiplication par une matrice fixe, le signal d’apprentissage peut également la traverser.

La fonction de perte, qui mesure l’écart entre prévision et observation, s’applique aux échantillons cohérents ou aux statistiques calculées à partir d’eux. Le supplément expérimental publié par PMLR en 2021 précise que les auteurs testent une perte probabiliste sur les échantillons et une perte fondée sur une distribution gaussienne estimée à partir de ceux-ci. Le choix fait partie du réglage du modèle.

Lors de la prévision, le réseau avance successivement sur les échéances futures. Un échantillon corrigé à une échéance sert d’entrée pour l’échéance suivante, et la même projection s’applique à nouveau. La sortie est ainsi un ensemble de trajectoires cohérentes. Les moyennes et les quantiles peuvent ensuite être calculés à partir de ces trajectoires, selon les besoins de restitution.

5. Que vérifient les expériences publiées ?

Les expériences évaluent la qualité probabiliste sur des données hiérarchiques et comparent plusieurs façons d’intégrer la correction. Dans l’étude de Rangapuram et ses coauteurs, PMLR, 2021, les jeux Labour, Traffic, Tourism, Tourism-L et Wiki couvrent respectivement l’emploi, l’occupation routière, le tourisme et les consultations de pages. Tourism-L comporte des regroupements géographiques et par motif de voyage partageant une racine commune.

Les auteurs utilisent le CRPS, un score qui évalue une distribution de prévision face à une observation et dont une valeur plus basse est préférable. Ils l’approchent par des pertes calculées sur des quantiles, rapportent les résultats moyens et examinent les niveaux d’agrégation. La prévision repose sur 200 échantillons et les résultats de leur méthode sont moyennés sur 5 exécutions.

Les comparateurs associent notamment ARIMA ou ETS, des méthodes de prévision de séries, à une agrégation depuis le niveau détaillé, à MinT ou à ERM. PERMBU-MINT fournit le comparateur probabiliste. Les variantes suivantes comparent les modalités de correction :

Dans cette comparaison publiée en 2021, Hier-E2E obtient un CRPS moyen inférieur aux méthodes concurrentes sur les jeux examinés, sauf Tourism, où PERMBU-MINT obtient un score inférieur. Le protocole ne fournit pas de résultat PERMBU-MINT sur Tourism-L, cette implémentation n’ayant pas fonctionné sur sa structure groupée. Ces résultats appartiennent à ce protocole ; une comparaison avec GIFT-Eval demanderait une évaluation commune.

6. Quel dossier préparer pour une expérimentation métier ?

Le dossier doit permettre de reconstruire la hiérarchie, de produire des scénarios exploitables et de juger leur utilité sur les décisions visées. Nous recommandons de formaliser les éléments suivants avant d’adapter la méthode :

• Une hiérarchie versionnée, avec les séries détaillées, les agrégats et les règles de rattachement.
• Des règles d’addition explicites, portant sur des unités et des périodes compatibles.
• Un format de sortie qui conserve les scénarios conjoints et leur correspondance entre niveaux.
• Un protocole de comparaison séparant le contrôle des égalités, la qualité probabiliste et le critère métier retenu.

Ces propositions prolongent le cadre de contraintes et d’évaluation de Rangapuram et ses coauteurs, PMLR, 2021. Le choix du critère métier doit être arrêté avant la comparaison. Pour approfondir l’évaluation conjointe, la fiche « Score d’énergie : évaluer une prévision probabiliste sur plusieurs variables » complète cette lecture.

L’ancrage TW3Cast reste circonscrit. Dans la prépublication de Thierry et Rochet déposée sur arXiv le 16 septembre 2026, l’annexe B comprend les configurations hierarchical_sales/D/short et hierarchical_sales/W/short. La description du système expose un routage et une combinaison de quantiles. À la lecture du système décrit et de son évaluation, la réconciliation probabiliste étudiée ici constituerait une extension non évaluée dans cette prépublication TW3Cast.

Pour instruire cette extension, le dossier proposé doit préciser comment les sorties disponibles donneraient accès à une distribution conjointe ou à des scénarios, puis comment la correction serait entraînée et évaluée. La décision de poursuivre peut alors porter sur un objet technique défini et un protocole reproductible.

FAQ

Que signifie la cohérence pour une distribution ?
Chaque scénario doit respecter les relations d’agrégation de la hiérarchie. Ce contrôle concerne les valeurs présentes ensemble dans un scénario ; les quantiles calculés séparément pour chaque série ne sont généralement pas additifs.

Pourquoi séparer apprentissage et réconciliation peut-il limiter la méthode ?
Dans les procédures décrites par Rangapuram et ses coauteurs, les paramètres des modèles sont appris indépendamment pour chaque série et leur correction ultérieure ignore les paramètres appris. Intégrer la correction permet d’entraîner le modèle sur la qualité des sorties cohérentes.

Comment une projection impose-t-elle les contraintes ?
Elle cherche le scénario qui respecte les égalités tout en restant le plus proche du scénario initial. Dans le cadre hiérarchique étudié, ce calcul se réduit à une multiplication par une matrice préparée à partir des règles d’agrégation.

Comment la réconciliation entre-t-elle dans l’entraînement ?
La génération des échantillons et leur projection permettent de propager le signal d’apprentissage jusqu’aux paramètres du réseau. La perte est calculée après correction, sur les scénarios cohérents ou sur leurs statistiques.

Que vérifient les expériences publiées ?
Elles comparent des scores probabilistes sur plusieurs jeux de données et examinent les résultats par niveau d’agrégation. Les variantes DeepVAR et DeepVAR+ aident à distinguer l’apprentissage conjoint de l’intégration de la correction. Un usage métier appelle ensuite son propre protocole d’évaluation.

Pour aller plus loin

• Réconcilier les prévisions d’un groupe : comprendre la méthode MinT
• Quantiles par échéance et trajectoires simulées : deux représentations de l’incertitude
• Score d’énergie : évaluer une prévision probabiliste sur plusieurs variables

Sources

• PMLR, Rangapuram et ses coauteurs, End-to-End Learning of Coherent Probabilistic Forecasts for Hierarchical Time Series, 2021, article intégral et supplément ouverts, consulté le 9 octobre 2026.
• PMLR, texte intégral de Rangapuram et ses coauteurs, 2021, consulté le 9 octobre 2026.
• PMLR, supplément expérimental de Rangapuram et ses coauteurs, 2021, consulté le 9 octobre 2026.
• arXiv, Hu et Kang, Coherence is not enough: Aggregation constraints across predictive distributions, forecasts and decisions, prépublication déposée le 14 septembre 2026, notice et PDF intégral ouverts, consulté le 9 octobre 2026.
• arXiv, 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 le 16 septembre 2026, texte intégral et PDF ouverts, consulté le 9 octobre 2026.