Accueil › Glossaire › Precision

Precision (Précision Positive)

La precision (précision positive, ou valeur prédictive positive) est une métrique de classification qui mesure la proportion de vrais positifs parmi toutes les prédictions positives du modèle : quand le modèle dit « positif », à quelle fréquence a-t-il raison ?

La precision répond à une question concrète : « Puis-je faire confiance au modèle quand il déclenche une alerte ? » Si votre filtre anti-spam marque un email comme spam, quelle est la probabilité qu’il soit réellement du spam ? Si votre modèle de détection de fraude signale une transaction, est-ce vraiment une fraude ? Une precision élevée signifie peu de fausses alarmes. C’est la métrique à privilégier quand les faux positifs sont coûteux.

La formule

Precision = TP / (TP + FP)

# TP = Vrais Positifs (le modèle dit "positif" et c'est correct)
# FP = Faux Positifs (le modèle dit "positif" mais c'est faux = fausse alarme)

Le dénominateur (TP + FP) est le nombre total de prédictions positives. Le numérateur (TP) est le nombre de prédictions positives correctes. La precision ignore complètement les négatifs (vrais et faux). Elle ne concerne que la qualité des prédictions positives du modèle.

L’intuition : la fiabilité des alertes

Imaginez un système d’alarme incendie dans un immeuble :

Precision = 100 % : chaque fois que l’alarme sonne, il y a réellement un feu. Aucune fausse alarme. Les résidents font confiance au système et évacuent immédiatement.

Precision = 50 % : une fois sur deux, l’alarme sonne pour rien (cuisson, vapeur de douche). Les résidents commencent à ignorer les alertes. Quand un vrai feu se déclare, ils risquent de ne pas évacuer.

Precision = 10 % : 9 alertes sur 10 sont de fausses alarmes. Le système a perdu toute crédibilité. Les résidents débranchent l’alarme.

Dans de nombreux systèmes réels, une faible precision (trop de fausses alarmes) est pire qu’une détection imparfaite. C’est le cas des filtres anti-spam (un email légitime en spam est plus gênant qu’un spam qui passe), des systèmes de recommandation (une suggestion non pertinente dégrade l’expérience), et des systèmes de modération de contenu (censurer du contenu légitime est problématique).

Exemples concrets

Filtre anti-spam

# Le filtre marque 120 emails comme spam
# 100 sont réellement du spam (TP)
# 20 sont des emails légitimes mal classés (FP)

Precision = 100 / (100 + 20) = 83.3 %

# 1 email sur 6 marqué comme spam est en réalité légitime
# C'est problématique : des emails importants finissent dans le dossier spam

Diagnostic médical

# Le modèle diagnostique 80 patients comme "diabétiques"
# 70 sont réellement diabétiques (TP)
# 10 sont sains mais diagnostiqués à tort (FP)

Precision = 70 / (70 + 10) = 87.5 %

# 12.5 % des patients alertés ne sont pas malades
# Conséquence : stress inutile, examens complémentaires coûteux
# Mais en médecine, le rappel (ne pas manquer de malades) est souvent plus critique

Moteur de recherche

# Le moteur retourne 50 résultats pour la requête "restaurants italiens Paris"
# 35 sont pertinents (TP)
# 15 ne le sont pas (FP) : pizzérias, restaurants grecs, articles de blog...

Precision@50 = 35 / 50 = 70 %

# En recherche d'information, on parle souvent de Precision@K
# (précision sur les K premiers résultats retournés)

Le trade-off précision-rappel

La precision et le rappel sont en tension permanente. Améliorer l’un dégrade souvent l’autre.

Pour augmenter la precision : rendez le modèle plus « prudent ». Ne prédisez « positif » que quand la confiance est très élevée (augmentez le seuil de classification). Résultat : moins de fausses alarmes (FP diminue), mais plus de cas manqués (FN augmente). Le rappel baisse.

Pour augmenter le rappel : rendez le modèle plus « sensible ». Prédisez « positif » dès qu’il y a un doute (baissez le seuil). Résultat : vous capturez plus de vrais positifs, mais aussi plus de faux positifs. La precision baisse.

Ce trade-off est fondamental et inévitable. Le F1-Score (moyenne harmonique de precision et rappel) offre un compromis équilibré. Pour les cas où un côté est plus important, le Fβ-Score permet de pondérer.

Precision en multi-classe

Pour les problèmes à plus de 2 classes, la precision est calculée par classe (en traitant chaque classe comme une classification « cette classe vs toutes les autres »), puis agrégée :

# Classification : chat, chien, oiseau
# Precision pour "chat" :
#   TP = images de chats correctement classées comme chats
#   FP = images de chiens ou oiseaux incorrectement classées comme chats
#   Precision_chat = TP_chat / (TP_chat + FP_chat)

# Agrégation :
# Macro precision  = moyenne des precisions par classe (poids égal)
# Micro precision  = TP total / (TP total + FP total) = accuracy
# Weighted precision = moyenne pondérée par le nombre d'exemples par classe

Quand prioriser la precision

Implémentation en Python

from sklearn.metrics import precision_score, classification_report

y_true = [1, 0, 1, 1, 0, 1, 0, 0, 1, 0]
y_pred = [1, 0, 1, 0, 0, 1, 1, 0, 1, 0]

# Precision binaire
prec = precision_score(y_true, y_pred)
print(f"Precision : {prec:.4f}")

# Multi-classe
y_true_mc = [0, 1, 2, 0, 1, 2, 0, 1, 2, 0]
y_pred_mc = [0, 2, 1, 0, 1, 2, 0, 1, 1, 0]

print(f"Macro precision    : {precision_score(y_true_mc, y_pred_mc, average='macro'):.4f}")
print(f"Weighted precision : {precision_score(y_true_mc, y_pred_mc, average='weighted'):.4f}")

# Par classe
precisions = precision_score(y_true_mc, y_pred_mc, average=None)
print(f"Precision par classe : {precisions}")

# Rapport complet
print(classification_report(y_true_mc, y_pred_mc))

Precision en NLP

En NLP, la precision a des usages spécifiques :

NER (Named Entity Recognition) : la precision mesure combien des entités prédites par le modèle (noms, lieux, organisations) sont correctes. Une faible precision signifie que le modèle « hallucine » des entités qui n’existent pas dans le texte.

Recherche d’information : Precision@K mesure combien des K premiers résultats retournés par un moteur de recherche sont pertinents. C’est la métrique de base pour évaluer les systèmes de retrieval, y compris dans les pipelines RAG (Retrieval-Augmented Generation).

BLEU score : la métrique BLEU est fondamentalement une mesure de precision sur les n-grammes : quelle proportion des n-grammes du candidat apparaît dans la référence ?

Erreurs courantes

Confondre accuracy et precision. En français, « précision » est ambigu. L’accuracy (précision globale) mesure le taux de bonnes prédictions toutes classes confondues. La precision (précision positive) ne concerne que les prédictions positives. Utilisez les termes anglais ou précisez « précision globale » vs « précision positive ».

Rapporter la precision sans le rappel. Une precision de 100 % est triviale : il suffit de ne prédire « positif » que pour le cas le plus évident. Le modèle n’a trouvé qu’un seul positif, mais il avait raison. Le rappel serait catastrophique. Rapportez toujours les deux (ou le F1).

Optimiser la precision au détriment du rappel sans justification. Augmenter le seuil de classification améliore mécaniquement la precision mais dégrade le rappel. Ce trade-off doit être piloté par les coûts métier des faux positifs et des faux négatifs, pas par le désir d’avoir un chiffre plus haut.