{"id":5145,"date":"2026-10-14T18:01:57","date_gmt":"2026-10-14T18:01:57","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-calculer-score-f1-python-exemple\/"},"modified":"2026-10-14T18:01:57","modified_gmt":"2026-10-14T18:01:57","slug":"comment-calculer-score-f1-python-exemple","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-calculer-score-f1-python-exemple","title":{"rendered":"Comment calculer le score F1 en Python (avec exemple)"},"content":{"rendered":"

L’\u00e9valuation de la performance des mod\u00e8les pr\u00e9dictifs constitue l’un des piliers fondamentaux de la science des donn\u00e9es contemporaine, de l’apprentissage automatique et de l’intelligence artificielle. Dans le cadre de la mod\u00e9lisation supervis\u00e9e, et plus particuli\u00e8rement des t\u00e2ches de classification binaire et multiclasse, le choix des m\u00e9triques d’\u00e9valuation ne repr\u00e9sente pas un simple arbitrage technique, mais oriente fondamentalement le comportement d’optimisation des algorithmes. Longtemps pl\u00e9biscit\u00e9e pour sa simplicit\u00e9 d’interpr\u00e9tation, l’exactitude brute (commun\u00e9ment d\u00e9sign\u00e9e sous l’anglicisme accuracy<\/em>) a r\u00e9v\u00e9l\u00e9 de profondes lacunes th\u00e9oriques et pratiques lorsqu’elle est confront\u00e9e \u00e0 des donn\u00e9es asym\u00e9triques ou \u00e0 des co\u00fbts d’erreurs diff\u00e9rentiels.<\/p>\n

Face \u00e0 ces limites conceptuelles, le score F1 s’est impos\u00e9 au fil des d\u00e9cennies comme l’instrument de r\u00e9f\u00e9rence privil\u00e9gi\u00e9 par les chercheurs, ing\u00e9nieurs et analystes de donn\u00e9es. Con\u00e7u pour synth\u00e9tiser en une valeur scalaire unique deux dimensions orthogonales de la qualit\u00e9 pr\u00e9dictive \u2014 \u00e0 savoir la pr\u00e9cision (ou valeur pr\u00e9dictive positive) et le rappel (ou sensibilit\u00e9 empirique) \u2014, le score F1 repose sur l’\u00e9l\u00e9gance de la moyenne harmonique. Cette formulation math\u00e9matique conf\u00e8re \u00e0 la m\u00e9trique une s\u00e9v\u00e9rit\u00e9 salutaire : elle p\u00e9nalise impitoyablement les mod\u00e8les d\u00e9faillants sur l’une des dimensions, interdisant toute compensation artificielle d’un d\u00e9ficit de d\u00e9tection par une s\u00e9lectivit\u00e9 excessive, ou inversement.<\/p>\n

Ce guide exhaustif a pour vocation d’analyser l’int\u00e9gralit\u00e9 du cycle de vie du score F1 en environnement Python. Depuis les fondements \u00e9pist\u00e9mologiques de la th\u00e9orie de d\u00e9tection du signal jusqu’aux arcanes de l’optimisation dynamique des seuils de d\u00e9cision probabilistes, en passant par le calcul manuel rigoureux sur un \u00e9chantillon empirique de 400 observations et l’impl\u00e9mentation algorithmique native vectoris\u00e9e sans d\u00e9pendance externe, nous explorerons chaque facette de cette m\u00e9trique ma\u00eetresse. Que vous op\u00e9riez dans le domaine de la bio-informatique, du diagnostic m\u00e9dical, de la d\u00e9tection de fraudes bancaires ou de la mod\u00e9lisation psychom\u00e9trique, la ma\u00eetrise math\u00e9matique et computationnelle du score F1 constitue un imp\u00e9ratif m\u00e9thodologique incontournable.<\/p>\n

1. 1. Introduction th\u00e9orique au score F1 et fondements de l’\u00e9valuation de classification<\/h2>\n

1.1 1.1 D\u00e9finition \u00e9pist\u00e9mologique et pertinence en mod\u00e9lisation pr\u00e9dictive<\/h3>\n

D’un point de vue \u00e9pist\u00e9mologique, la validation d’un mod\u00e8le d’apprentissage supervis\u00e9 ne consiste pas simplement \u00e0 mesurer la fr\u00e9quence brute de concordance entre une r\u00e9alit\u00e9 objective et une hypoth\u00e8se pr\u00e9dictive. L’exactitude globale, formul\u00e9e comme le rapport arithm\u00e9tique entre le volume total des pr\u00e9dictions correctes et l’effectif complet de la cohorte d’\u00e9valuation, postule implicitement une sym\u00e9trie parfaite de l’espace d’\u00e9tat. Elle suppose que la pr\u00e9valence des classes est \u00e9quilibr\u00e9e et que l’omission d’un \u00e9v\u00e9nement critique pr\u00e9sente une gravit\u00e9 identique \u00e0 l’\u00e9mission d’une fausse alerte. En pratique statistique r\u00e9elle, cette hypoth\u00e8se de sym\u00e9trie est presque syst\u00e9matiquement viol\u00e9e. D\u00e8s lors qu’une classe cible devient rare \u2014 qu’il s’agisse d’une pathologie neurod\u00e9g\u00e9n\u00e9rative, d’une tentative d’intrusion cybern\u00e9tique ou d’une transaction financi\u00e8re frauduleuse \u2014, un estimateur na\u00eff se bornant \u00e0 pr\u00e9dire exclusivement la classe majoritaire affiche une exactitude spectaculaire, souvent sup\u00e9rieure \u00e0 99 %, tout en s’av\u00e9rant totalement d\u00e9nu\u00e9 de pouvoir explicatif ou op\u00e9rationnel.<\/p>\n

Le score F1 na\u00eet de la n\u00e9cessit\u00e9 de subvertir ce paradoxe en \u00e9tablissant un \u00e9quilibre rigoureux entre la s\u00e9lectivit\u00e9 du classifieur et son exhaustivit\u00e9. Dans les domaines de la psychom\u00e9trie exp\u00e9rimentale et des sciences cognitives, la construction de tests diagnostics requiert une vigilance analogue : un outil de d\u00e9pistage cognitif ne peut se contenter d’\u00eatre fid\u00e8le sans \u00eatre valide, de m\u00eame qu’il ne peut privil\u00e9gier la minimisation des faux positifs au d\u00e9triment de l’identification des sujets v\u00e9ritablement vuln\u00e9rables. La pertinence du score F1 repose sur l’utilisation d\u00e9lib\u00e9r\u00e9e de la moyenne harmonique<\/a>, laquelle est structurellement conditionn\u00e9e par la plus faible de ses composantes. Contrairement \u00e0 la moyenne arithm\u00e9tique qui autoriserait un compromis additif trompeur, la structure harmonique impose que le syst\u00e8me n’obtienne un score \u00e9lev\u00e9 que s’il d\u00e9montre conjointement une haute fid\u00e9lit\u00e9 d’alerte et un large spectre de capture.<\/p>\n

1.2 1.2 Le compromis pr\u00e9cision-rappel en inf\u00e9rence statistique<\/h3>\n

L’inf\u00e9rence statistique appliqu\u00e9e \u00e0 la classification binaire se heurte invariablement \u00e0 un arbitrage irr\u00e9ductible entre deux pathologies de l’estimation : l’erreur de Type I (le faux positif) et l’erreur de Type II (le faux n\u00e9gatif). La pr\u00e9cision mesure la probabilit\u00e9 a posteriori<\/em> qu’une observation \u00e9tiquet\u00e9e positivement par le mod\u00e8le appartienne effectivement \u00e0 la population d’int\u00e9r\u00eat, quantifiant ainsi la cr\u00e9dibilit\u00e9 de l’assignation positive. En contrepartie, le rappel \u00e9value la probabilit\u00e9 conditionnelle qu’un \u00e9v\u00e9nement positif r\u00e9el soit formellement identifi\u00e9 par l’estimateur, refl\u00e9tant son exhaustivit\u00e9 empirique. La tension structurelle qui unit ces deux dimensions d\u00e9coule du d\u00e9placement de la fronti\u00e8re de d\u00e9cision au sein de l’espace des distributions conditionnelles.<\/p>\n

En modifiant le seuil de discrimination probabiliste, l’analyste alt\u00e8re m\u00e9caniquement la balance : l’\u00e9l\u00e9vation du seuil exige un niveau de certitude accru pour classifier une entit\u00e9 comme positive, ce qui rar\u00e9fie les faux positifs et maximise la pr\u00e9cision, mais pr\u00e9cipite en corollaire une inflation des faux n\u00e9gatifs, d\u00e9gradant le rappel. Inversement, l’abaissement du seuil amplifie la sensibilit\u00e9 du filtre, capturant la quasi-totalit\u00e9 des occurrences r\u00e9elles au prix d’une contamination accrue par des fausses alertes. Cet arbitrage n’est pas neutre sur le plan d\u00e9cisionnel : dans un contexte \u00e9pid\u00e9miologique d’urgence, un faux n\u00e9gatif peut entra\u00eener une l\u00e9talit\u00e9 directe, tandis que dans un syst\u00e8me automatis\u00e9 de filtrage de pourriels, un faux positif peut annihiler une communication professionnelle critique. Le score F1 intervient alors comme l’arbitre formel de ce compromis, attribuant une p\u00e9nalisation sym\u00e9trique aux deux d\u00e9rives.<\/p>\n

1.3 1.3 Contexte applicatif : De la pr\u00e9diction comportementale au machine learning<\/h3>\n

Les racines conceptuelles du score F1 plongent dans la th\u00e9orie de d\u00e9tection du signal formul\u00e9e \u00e0 l’origine en psychophysique et en neuropsychologie par des auteurs pionniers tels que Green et Swets. Dans cette approche classique, la capacit\u00e9 d’un op\u00e9rateur ou d’un syst\u00e8me biologique \u00e0 distinguer un signal informatif \u00e9mergeant d’un bruit de fond al\u00e9atoire est quantifi\u00e9e au travers de matrices de contingence discriminantes. Les sciences du comportement exploitent ces m\u00e9canismes pour \u00e9valuer la validit\u00e9 pr\u00e9dictive des tests de recrutement, les outils de d\u00e9tection pr\u00e9coce des troubles de l’attention ou les algorithmes de pr\u00e9diction du d\u00e9crochage scolaire. Dans l’ensemble de ces contextes, les co\u00fbts associ\u00e9s aux erreurs de jugement demeurent fondamentalement asym\u00e9triques et requi\u00e8rent des m\u00e9triques robustes aux d\u00e9s\u00e9quilibres d\u00e9mographiques.<\/p>\n

Au cours des ann\u00e9es 1970 et 1980, le traitement automatique du langage naturel (NLP) et la recherche documentaire (Information Retrieval<\/em>) ont formalis\u00e9 ces concepts sous l’impulsion de C. J. van Rijsbergen. L’av\u00e8nement subs\u00e9quent de l’apprentissage automatique moderne a consacr\u00e9 cette m\u00e9trique comme le crit\u00e8re de r\u00e9f\u00e9rence pour l’optimisation des hyperparam\u00e8tres, la validation crois\u00e9e et la s\u00e9lection d’architectures pr\u00e9dictives complexes. L’objectif de ce manuel m\u00e9thodologique est de fournir une trajectoire p\u00e9dagogique et technique rigoureuse, permettant \u00e0 l’analyste de ma\u00eetriser l’ensemble de la cha\u00eene de calcul en langage Python. Nous irons de la manipulation de primitives num\u00e9riques pures jusqu’au d\u00e9ploiement de pipelines scikit-learn hautement configurables, garantissant une reproductibilit\u00e9 exp\u00e9rimentale absolue.<\/p>\n

2. 2. D\u00e9composition math\u00e9matique : Pr\u00e9cision, rappel et moyenne harmonique<\/h2>\n

2.1 2.1 Formulation analytique de la pr\u00e9cision (valeur pr\u00e9dictive positive)<\/h3>\n

D’un point de vue probabiliste, la pr\u00e9cision \u2014 assimil\u00e9e dans la litt\u00e9rature biostatistique \u00e0 la valeur pr\u00e9dictive positive (VPP) \u2014 est la probabilit\u00e9 que la variable cible $Y$<\/span> soit \u00e9gale \u00e0 $1$, sachant que la pr\u00e9diction $\\hat{Y}$<\/span> formul\u00e9e par l’algorithme est \u00e9gale \u00e0 $1$. Dans le formalisme d’une matrice de confusion empirique, elle s’exprime comme le quotient de la cardinalit\u00e9 des vrais positifs (VP) par la somme totale des instances assign\u00e9es \u00e0 la classe positive, c’est-\u00e0-dire l’ensemble constitu\u00e9 des vrais positifs et des faux positifs (FP) :<\/p>\n

$$\\text{Pr\u00e9cision} = \\frac{\\text{VP}}{\\text{VP} + \\text{FP}}$$<\/span><\/p>\n

Sur le plan s\u00e9mantique, la pr\u00e9cision quantifie la puret\u00e9 de la pr\u00e9diction positive. Un syst\u00e8me affichant une pr\u00e9cision parfaite de $1{,}0$<\/span> garantit que chaque observation signal\u00e9e comme positive est rigoureusement conforme \u00e0 la v\u00e9rit\u00e9 terrain, excluant tout faux positif. N\u00e9anmoins, cette m\u00e9trique demeure totalement aveugle aux \u00e9v\u00e9nements positifs omis par le mod\u00e8le. Un estimateur ultra-conservateur qui n’\u00e9mettrait qu’une seule pr\u00e9diction positive tout au long de sa trajectoire de test, mais dont cette pr\u00e9diction unique s’av\u00e9rerait exacte, obtiendrait une pr\u00e9cision unitaire parfaite ($100,%$<\/span>), masquant ainsi son incapacit\u00e9 syst\u00e9mique \u00e0 capturer le reste de la population cible. Les cons\u00e9quences d’une faible pr\u00e9cision se traduisent par une saturation op\u00e9rationnelle : multiplication des interventions manuelles inutiles, dilution de la confiance des utilisateurs et co\u00fbts d’investigation prohibitifs.<\/p>\n

2.2 2.2 Formulation analytique du rappel (sensibilit\u00e9 empirique)<\/h3>\n

Le rappel, rigoureusement \u00e9quivalent \u00e0 la sensibilit\u00e9 diagnostique ou au taux de vrais positifs (True Positive Rate<\/em>), mod\u00e9lise la probabilit\u00e9 conditionnelle que le mod\u00e8le pr\u00e9dise $\\hat{Y} = 1$<\/span> sachant que l’\u00e9tat r\u00e9el sous-jacent est $Y = 1$<\/span>. Son expression math\u00e9matique met en rapport la cardinalit\u00e9 des vrais positifs avec la somme exhaustive des observations positives r\u00e9elles, incluant tant les instances correctement identifi\u00e9es que celles tragiquement ignor\u00e9es, \u00e0 savoir les faux n\u00e9gatifs (FN) :<\/p>\n

$$\\text{Rappel} = \\frac{\\text{VP}}{\\text{VP} + \\text{FN}}$$<\/span><\/p>\n

Le rappel constitue ainsi l’indice par excellence de l’exhaustivit\u00e9 de la couverture algorithmique. Un score de rappel de $1{,}0$<\/span> implique que l’int\u00e9gralit\u00e9 des manifestations de la classe cible a \u00e9t\u00e9 d\u00e9tect\u00e9e sans exception aucune. \u00c0 l’instar de la pr\u00e9cision, cette grandeur statistique ne saurait \u00eatre interpr\u00e9t\u00e9e de fa\u00e7on isol\u00e9e : un classifieur d\u00e9g\u00e9n\u00e9r\u00e9 formulant syst\u00e9matiquement et aveugl\u00e9ment la pr\u00e9diction $\\hat{Y} = 1$<\/span> pour l’ensemble des enregistrements de la base de donn\u00e9es obtiendrait un rappel parfait de $100,%$<\/span>, les faux n\u00e9gatifs \u00e9tant nuls par construction ($\\text{FN} = 0$<\/span>). Dans les contextes cliniques, industriels ou s\u00e9curitaires, un taux \u00e9lev\u00e9 de faux n\u00e9gatifs repr\u00e9sente la d\u00e9faillance la plus critique, laissant des \u00e9tats pathologiques se propager sans traitement curatif ou des failles critiques s’exploiter sans contre-mesures pr\u00e9ventives.<\/p>\n

2.3 2.3 La moyenne harmonique et l’\u00e9quation canonique du score F1<\/h3>\n

Afin de fusionner ces deux m\u00e9triques antagonistes en un indicateur synth\u00e9tique univoque sans c\u00e9der aux illusions de la lin\u00e9arit\u00e9, la statistique math\u00e9matique a recours \u00e0 la moyenne harmonique. Par d\u00e9finition, la moyenne harmonique $H$<\/span> de deux r\u00e9els strictement positifs $x_1$<\/span> et $x_2$<\/span> est \u00e9gale \u00e0 l’inverse de la moyenne arithm\u00e9tique de leurs inverses :<\/p>\n

$$\\frac{1}{H} = \\frac{\\frac{1}{x_1} + \\frac{1}{x_2}}{2} implies H = \\frac{2}{\\frac{1}{x_1} + \\frac{1}{x_2}} = \\frac{2 \\cdot x_1 \\cdot x_2}{x_1 + x_2}$$<\/span><\/p>\n

En substituant la pr\u00e9cision ($P$<\/span>) et le rappel ($R$<\/span>) dans cette relation structurelle, nous d\u00e9rivons directement l’\u00e9quation canonique du score F1 :<\/p>\n

$$F_1 = 2 \\cdot \\frac{P \\cdot R}{P + R} = \\frac{2 \\cdot \\text{VP}}{2 \\cdot \\text{VP} + \\text{FP} + \\text{FN}}$$<\/span><\/p>\n

La sup\u00e9riorit\u00e9 de la moyenne harmonique sur la moyenne arithm\u00e9tique r\u00e9side dans sa sensibilit\u00e9 aigu\u00eb aux d\u00e9s\u00e9quilibres extr\u00eames. Consid\u00e9rons un mod\u00e8le pathologique dont le rappel serait de $1{,}0$<\/span> et la pr\u00e9cision de $0{,}05$<\/span>. Une moyenne arithm\u00e9tique na\u00efve lui accorderait une note respectable de $(1{,}0 + 0{,}05)\/2 = 0{,}525$<\/span>, dissimulant la d\u00e9faillance r\u00e9dhibitoire du syst\u00e8me. La moyenne harmonique, en revanche, calcule un score F1 effondr\u00e9 \u00e0 $2 \\cdot (1{,}0 \\cdot 0{,}05) \/ (1{,}0 + 0{,}05) \\approx 0{,}0952$<\/span>, sanctionnant s\u00e9v\u00e8rement l’asym\u00e9trie.<\/p>\n

Cette formulation est un cas particulier de la famille param\u00e9trique du score $F_\\beta$<\/span> th\u00e9oris\u00e9e par C. J. van Rijsbergen<\/a>, qui introduit un coefficient r\u00e9el $\\beta > 0$<\/span> destin\u00e9 \u00e0 moduler le poids relatif attribu\u00e9 au rappel par rapport \u00e0 la pr\u00e9cision :<\/p>\n

$$F_\\beta = (1 + \\beta^2) \\cdot \\frac{P \\cdot R}{(\\beta^2 \\cdot P) + R}$$<\/span><\/p>\n

Lorsque $\\beta = 1$<\/span>, les deux dimensions jouissent d’une pond\u00e9ration \u00e9quivalente. Une valeur $\\beta = 2$<\/span> ($F_2$<\/span>) accorde une priorit\u00e9 accentu\u00e9e au rappel, particuli\u00e8rement pris\u00e9e lors des diagnostics oncologiques d’urgence, tandis qu’une valeur $\\beta = 0{,}5$<\/span> ($F_{0{,}5}$<\/span>) favorise la pr\u00e9cision statistique, pr\u00e9conis\u00e9e lorsque le co\u00fbt marginal d’une fausse alerte s’av\u00e8re prohibitif.<\/p>\n

3. 3. Structure et analyse de la matrice de confusion<\/h2>\n

3.1 3.1 Topologie de la matrice de contingence binaire<\/h3>\n

La matrice de confusion, \u00e9galement qualifi\u00e9e de matrice de contingence ou table de croisement d\u00e9cisionnelle, constitue l’armature empirique sur laquelle repose l’ensemble des m\u00e9triques d’\u00e9valuation supervis\u00e9e. Pour un espace de sortie binaire ordonn\u00e9 conventionnellement en classes positive ($1$) et n\u00e9gative ($0$), la matrice d\u00e9limite un r\u00e9seau bidimensionnel cartographiant les concordances et les discordances entre les \u00e9tiquettes de v\u00e9rit\u00e9 terrain ($Y$<\/span>) et les inf\u00e9rences g\u00e9n\u00e9r\u00e9es par l’algorithme ($\\hat{Y}$<\/span>).<\/p>\n

Cette topologie quadripartite se structure autour des segments suivants :<\/p>\n