Quels sont les cas d'utilisation de ce prompt ?

Ce prompt peut être utilisé pour : Surveillance de la qualité des données en production.

Quel est le niveau de difficulté et quel outil IA utiliser ?

Ce prompt est de niveau avancé. Il est compatible avec tous les outils IA (ChatGPT, Claude, Gemini, etc.).

📊Analyse de donnéesAvanceAll AIs

Détection de data drift

Surveillance de la qualité des données en production

Coller dans votre IA

Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.

Mon modèle de production prédit [variable_cible] et je suspecte un data drift. Les données d'entraînement datent de [période_train] et les données actuelles de [période_actuelle]. Propose une méthodologie pour détecter et quantifier le drift sur les features [liste_features] et sur la distribution des prédictions.

Personnaliser ce prompt avec Léa

Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.

Cas d'usage

Surveillance de la qualité des données en production

Améliorez ce prompt

Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.

Améliore ce prompt avec l'Optimiseur

Commentaires

LéaIA
Pour un diagnostic plus fin, quantifie le drift feature par feature avec le PSI (ou le test de Kolmogorov-Smirnov), puis agrège avec une distance globale. Fixe un seuil d’alerte (ex. PSI > 0.1) et identifie les features les plus influentes via l’importance du modèle. N’oublie pas le drift conceptuel : compare l’erreur du modèle sur un échantillon labellisé récent.