Du score à l'alerte
- Leçon 36
- 45 min
- Module 9 : Exploiter un détecteur en production
Où nous en sommes
Jusqu'ici, nous avons exécuté chaque détecteur à la main dans un carnet Jupyter. Larkfield en a besoin chaque jour. Une nouvelle exécution ne doit pas envoyer deux fois la même alerte à Sofia. Dans cette leçon, nous créons une petite tâche planifiée. Elle lit les nouvelles données, calcule les scores, applique le budget, regroupe les alertes et les écrit avec leurs raisons.
Leçon 36 sur 38 · Détection d'anomalies : trouver ce qui est inhabituelDu score à l'alerte
1. Ce que « inhabituel » veut dire
2. Des références de base simples et difficiles à battre
3. Maîtrise statistique des procédés et dérive de distribution
- Cartes de contrôle : cette variation est-elle normale?
- Règles pour les motifs, et le prix de chaque règle
- Cartes pour les taux et les dénombrements
- Petits décalages durables : CUSUM et EWMA
- La distribution a-t-elle changé?
- Dérive dans de nombreuses variables, et quoi faire
- Loi de Benford et autres vérifications d'affaires
4. Distance, densité et isolement
5. Les anomalies dans le temps
6. Méthodes profondes et plongements
7. Évaluer avec peu d'étiquettes
8. Apprendre des réviseurs
9. Exploiter un détecteur en production
Ce que vous saurez faire
Transformez les scores d’un détecteur en alertes sur lesquelles une équipe peut agir. Vous exécutez une petite tâche chaque jour. Elle calcule les scores des nouveaux paiements, les regroupe, respecte le budget quotidien et explique chaque alerte. Elle n’envoie jamais la même alerte deux fois.
Avant de commencerCe qu’il faut savoir et avoir sous la main
Ce que vous devez savoir
- Isolation Forest (forêt d’isolement) et son score, vus dans Isolation Forest.
- Les variables de comportement, qui comparent un paiement au passé du client, vues dans Les variables comptent plus que l’algorithme.
- Le budget de 50 alertes par jour et pourquoi une alerte peut être un groupe, vus dans Le budget d’alertes.
Ce qu’il vous faut sur votre ordinateur
- Python 3.12 et un terminal. Aucun carnet Jupyter dans ce module : vous travaillez dans un petit projet, dans le terminal.
- Le dépôt des exercices du cours, avec le dossier
C34. Si vous l’avez, exécutezgit -C nextia-learning-labs pullpour obtenir les derniers fichiers. La configuration se trouve dans Découvrir les données de Larkfield. - Environ 250 Mo d’espace disque pour l’environnement virtuel.
Testé sur macOS avec Python 3.12.13, pandas 3.1.1 et scikit-learn 1.9.1. Les commandes Windows (PowerShell) et Linux sont fournies, mais n’ont pas été exécutées.
Une factrice pendant sa tournée du matin
Section intitulée « Une factrice pendant sa tournée du matin »Pensez à une factrice. Chaque matin, elle prend les nouvelles lettres et les trie par rue. Elle rassemble les lettres de chaque maison en un paquet. La famille ouvre ainsi la porte une seule fois, plutôt que cinq. Les jours chargés, elle livre d’abord le courrier le plus urgent. Elle garde une liste des maisons déjà visitées. Si une camionnette tombe en panne et qu’elle doit recommencer sa tournée, elle consulte cette liste. Elle ne sonne pas deux fois à la même porte.
La tâche de détection de Larkfield fait la même chose avec les paiements. Chaque matin, elle regroupe les paiements inhabituels de la veille. Elle garde autant de groupes que l’équipe de Sofia peut en lire. Elle ajoute une note à chacun : pourquoi il est inhabituel et quoi faire en premier. Elle garde une liste des alertes envoyées pour ne rien envoyer en double lors d’une nouvelle exécution.
Le problème : un score n’est pas une alerte
Section intitulée « Le problème : un score n’est pas une alerte »Dans les modules précédents, Priya exécutait chaque détecteur dans un carnet Jupyter. Cela ne convient pas à Sofia. Regardez les paiements les plus inhabituels du 3 octobre 2025, évalués par la première version du projet. C’est l’instantané start, que vous configurez plus bas :
1,780 payments on 2025-10-03. The 8 most unusual:payment_id ts customer_id amount country score P-0229866 2025-10-03 02:21:31 C-01234 19.25 PT 0.775647 P-0229865 2025-10-03 02:20:23 C-01234 24.36 PT 0.771721 P-0229864 2025-10-03 02:19:13 C-01234 19.16 PT 0.768594 P-0229863 2025-10-03 02:18:18 C-01234 24.39 PT 0.768074 P-0230439 2025-10-03 13:03:28 C-15255 13.13 BR 0.759869 P-0229862 2025-10-03 02:17:17 C-01234 18.88 PT 0.756726 P-0229861 2025-10-03 02:16:16 C-01234 20.66 PT 0.754426 P-0230435 2025-10-03 13:01:35 C-15255 20.74 BR 0.745263C-01234 est la cliente de Le paiement qui ne cadrait pas : huit paiements au Portugal à 2 h. C’est une anomalie que nous avons insérée. La liste montre trois problèmes :
- Un événement occupe plusieurs lignes. Huit lignes ne représentent que deux clients. Si chaque ligne devient une alerte, l’équipe de Sofia lit
C-01234six fois. - Un score n’explique rien. Le nombre
0.775647ne dit pas à la réviseuse quoi vérifier. Elle doit ouvrir l’historique du client et trouver elle-même la raison. - Rien ne garde en mémoire les alertes envoyées. Un carnet Jupyter exécuté deux fois affiche deux fois la même liste. Une tâche qui envoie des alertes ne doit pas faire cela. L’équipe de Sofia réviserait chaque alerte une deuxième fois, et un client pourrait recevoir deux appels.
Une tâche exige donc plus d’étapes que « calculer les scores et les afficher ».
L’idée : les étapes d’une tâche de détection
Section intitulée « L’idée : les étapes d’une tâche de détection »Une tâche de détection est un petit programme qui s’exécute à une heure prévue, par exemple chaque matin à 6 h. Un horaire fixe le moment où un ordinateur lance un programme tout seul. Chaque exécution suit les mêmes étapes, dans le même ordre :
Description textuelle du diagramme
Le diagramme montre huit étapes sur deux rangées. La première reprend le travail des modules précédents; la deuxième correspond à cette leçon. L’étape 1 lit la nouvelle journée : 1 780 paiements le 3 octobre 2025. L’étape 2 calcule les variables de comportement, qui comparent chaque paiement aux 60 derniers jours du client. L’étape 3 calcule le score de chaque paiement avec Isolation Forest, entraîné sur les 60 jours du 2 août au 30 septembre. L’étape 4 regroupe les 200 paiements les plus inhabituels en 160 groupes. Un groupe représente un client, ou un appareil qui a payé avec les cartes d’au moins 3 clients. L’étape 5 respecte le budget en gardant les 50 groupes les plus inhabituels. L’étape 6 ajoute les raisons et une première étape de la procédure d’intervention. L’étape 7 pose une question : cette alerte a-t-elle déjà été envoyée? Elle cherche l’identifiant de l’alerte dans le registre. Sinon, l’étape 8 écrit l’alerte dans le fichier alerts/2025-10-03.jsonl; la première exécution écrit 50 nouvelles alertes. Si oui, la tâche l’ignore; la deuxième exécution écrit 0 nouvelle alerte et en compte 50 déjà envoyées.
Les étapes 1 à 3 viennent des modules précédents. Cette leçon ajoute les étapes 4 à 8. Chaque nouvelle étape porte un nom :
- Le regroupement rassemble les paiements d’un événement dans une seule alerte.
- Le budget garde le nombre d’alertes que l’équipe peut lire, soit 50 par jour.
- Les raisons expliquent au réviseur, en mots, ce qui est inhabituel.
- Une procédure d’intervention (runbook) est un court guide écrit pour les personnes qui traitent une alerte. La tâche ajoute sa première étape : quoi faire en premier.
- Le registre est la liste des alertes déjà envoyées par la tâche. Il rend la tâche idempotente : l’exécuter deux fois a le même effet que l’exécuter une seule fois.
Étape 4 : le regroupement, avec cinq paiements
Section intitulée « Étape 4 : le regroupement, avec cinq paiements »La tâche regroupe les 200 paiements les plus inhabituels de la journée. Elle utilise deux règles :
- Par défaut, une alerte contient tous les paiements d’un client pour cette journée.
- Si un appareil a payé avec les cartes d’au moins 3 clients cette journée-là, une alerte contient tous ses paiements. C’est ainsi qu’on teste des cartes : un téléphone ou un ordinateur essaie plusieurs cartes volées.
Voici un exemple construit avec cinq paiements inhabituels :
| Paiement | Client | Appareil | Groupe | Alerte |
|---|---|---|---|---|
| P1 | C-1 | D-a | client C-1 | A |
| P2 | C-1 | D-a | client C-1 | A |
| P3 | C-2 | D-x | appareil D-x (3 clients) | B |
| P4 | C-3 | D-x | appareil D-x (3 clients) | B |
| P5 | C-4 | D-x | appareil D-x (3 clients) | B |
Cinq paiements deviennent deux alertes. L’alerte A contient les deux paiements d’un client. L’alerte B représente un appareil qui a payé avec les cartes de trois clients. Ces groupes d’alerte ne sont pas les événements d’alerte de Plusieurs métriques à la fois. Un événement d’alerte rassemble les alertes d’une métrique qui sont proches dans le temps. Un groupe d’alerte rassemble les paiements d’un client ou d’un appareil sur une journée. Le score d’une alerte est le score le plus élevé de ses paiements. Les alertes sont donc triées selon leur paiement le plus inhabituel.
Le 12 octobre 2025, une alerte contenait 39 paiements : un appareil avait utilisé les cartes de 39 clients en 35 minutes. C’est un test de cartes que nous avons inséré. Sans regroupement, ce test occuperait 39 des 50 places de Sofia. Avec le regroupement, il en occupe une.
Étape 5 : le budget
Section intitulée « Étape 5 : le budget »Après le regroupement, la tâche trie les alertes par score et garde les 50 premières. C’est la règle de Le budget d’alertes : la capacité de l’équipe fixe le seuil, pas une supposition. Le 3 octobre, les 200 paiements les plus inhabituels formaient 160 groupes, et la tâche en a gardé 50. Le paramètre DETECT_BUDGET contient ce nombre. L’équipe peut donc le changer sans modifier le code.
Étape 6 : les raisons et une première étape
Section intitulée « Étape 6 : les raisons et une première étape »Un réviseur doit savoir pourquoi une alerte est inhabituelle. Le fichier du modèle conserve la médiane et la dispersion de chaque variable pendant les jours d’entraînement. Pour le paiement le plus inhabituel d’une alerte, la tâche calcule une cote z (z-score) robuste pour chaque variable. Elle indique la distance entre la valeur et la médiane, en unités de dispersion. Vous avez vu cette idée dans Médiane, MAD et IQR. La tâche garde les trois variables les plus au-dessus de la normale, si elles la dépassent de plus de 2 unités de dispersion. Elle décrit chacune en mots.
La première raison détermine aussi la première étape de la procédure d’intervention. Un appareil avec beaucoup de paiements : bloquer l’appareil pendant 24 heures. Un nouvel appareil : demander au client. Un nouveau pays : vérifier si le client voyage. Voici la première alerte du 3 octobre, celle de la cliente présentée au début. La liste des paiements est abrégée ici :
{ "alert_id": "dbeea426d6dccd66", "day": "2025-10-03", "group": "customer", "key": "C-01234", "customers": ["C-01234"], "payments": ["P-0229866", "P-0229865", "P-0229864", "..."], "first": "2025-10-03 02:14:07", "last": "2025-10-03 02:21:31", "total_amount": 170.23, "score": 0.7756, "reasons": [ {"feature": "new_country", "deviation": 8.7, "text": "a country the customer never used before: PT"}, {"feature": "payments_last_hour", "deviation": 7.1, "text": "8 payments by the customer in one hour"}, {"feature": "night", "deviation": 5.5, "text": "paid at night (2:00)"} ], "runbook": "Check if the customer is travelling (earlier payments, the delivery address).", "model": "iforest-2025-08-02-2025-09-30"}Sofia la lit en quelques secondes : huit paiements, 170,23 $, un nouveau pays, la nuit. L’alerte nomme aussi le modèle qui l’a trouvée.
Les raisons sont simples volontairement : elles montrent les variables loin de la normale, pas comment Isolation Forest les a combinées. Expliquer une alerte va plus loin. Parmi les 50 alertes du 3 octobre, 3 n’avaient aucune raison dépassant 2 unités de dispersion. Leur étape de procédure d’intervention dit : « Lire les paiements de l’alerte et le dernier mois du client. »
Étapes 7 et 8 : le registre, pour ne rien envoyer en double
Section intitulée « Étapes 7 et 8 : le registre, pour ne rien envoyer en double »Les tâches sont relancées : un serveur redémarre pendant une exécution, ou une personne relance la veille après une correction. Chaque fois, la tâche doit éviter d’envoyer une alerte qu’elle a déjà envoyée.
La tâche attribue un identifiant à chaque alerte. Elle conserve les identifiants envoyés dans un fichier, le registre. Avant d’envoyer une alerte, elle cherche son identifiant dans le registre :
Description textuelle du diagramme
Le diagramme commence par une alerte du 3 octobre 2025, pour la cliente C-01234. Son identifiant vient du texte « 2025-10-03|customer|C-01234 ». La tâche calcule le hachage SHA-256 de ce texte et garde ses 16 premiers caractères, dbeea426d6dccd66. Ensuite, une question : cet identifiant est-il déjà dans le registre, state/sent.jsonl, ou dans le fichier d’alertes du jour? Sinon, la tâche envoie l’alerte. Elle écrit un fichier temporaire et le renomme en une seule étape, puis ajoute l’identifiant au registre. Si l’identifiant est déjà présent, la tâche n’envoie pas l’alerte et la compte comme déjà envoyée.
Un hachage est un code de longueur fixe qu’une fonction calcule à partir d’un texte. Le même texte donne toujours le même code, et un texte différent en donne un autre. SHA-256 est une fonction de hachage courante. La tâche calcule le hachage de la journée, du type de groupe et de sa clé. Elle ne calcule pas le hachage de la version du modèle ni du score. Un modèle réentraîné qui trouve le même client le même jour produit donc le même identifiant, et le registre l’arrête.
Si la tâche s’arrête pendant une exécution, le renommage en une seule étape préserve toutes les nouvelles alertes, ou aucune. La tâche considère aussi les alertes du fichier du jour comme envoyées, au cas où elle s’arrêterait avant d’écrire le registre.
Exécuter la tâche
Section intitulée « Exécuter la tâche »Vous allez maintenant exécuter tout cela vous-même. Le projet commence avec l’instantané start : il peut apprendre la normale et calculer les scores d’une journée, comme ci-dessus. Un instantané est une copie du projet à un moment du cours. Vous ajoutez les fichiers de ce module depuis l’instantané end-of-m09. Ce module a un seul instantané pour ses trois leçons. Vous copiez donc aussi les fichiers des deux prochaines leçons maintenant. Cette leçon examine alerts.py et ledger.py.
-
Dans le dossier où vous gardez vos projets, copiez l’instantané
startdans un nouveau dossier,detection-job:Fenêtre de terminal cp -R nextia-learning-labs/C34/snapshots/start detection-jobcd detection-jobFenêtre de terminal Copy-Item -Recurse nextia-learning-labs\C34\snapshots\start detection-jobcd detection-job -
Créez l’environnement virtuel, installez les paquets et récupérez les données.
get_data.pycopie le fichier des paiements depuis votre dossier d’exercices et le vérifie :Fenêtre de terminal python3.12 -m venv .venvsource .venv/bin/activatepython -m pip install -r requirements.txtpython scripts/get_data.py --from ../nextia-learning-labs/C34/datapython -m pytest -qFenêtre de terminal py -3.12 -m venv .venv.venv\Scripts\Activate.ps1python -m pip install -r requirements.txtpython scripts/get_data.py --from ..\nextia-learning-labs\C34\datapython -m pytest -qVous voyez
OK payments.csv.gz (6.9 MB)(fichier vérifié) et7 passed(7 tests réussis). Sans le dossier d’exercices, exécutezpython scripts/get_data.py. Le script télécharge le même fichier depuis GitHub. -
Apprenez la normale à partir des 60 jours qui se terminent le 30 septembre 2025 :
Fenêtre de terminal python -m detect train --until 2025-09-30Trained iforest-2025-08-02-2025-09-30 on 107,793 payments (2025-08-02 to 2025-09-30). Saved to state/model.pkl. -
Calculez les scores du 3 octobre. Vous voyez les 8 lignes au début de cette leçon :
Fenêtre de terminal python -m detect score --day 2025-10-03 --top 8 -
Copiez les fichiers de ce module depuis l’instantané
end-of-m09. Sept fichiers dansdetect/sont nouveaux ou modifiés, et cinq fichiers de tests sont nouveaux :Fenêtre de terminal S=../nextia-learning-labs/C34/snapshots/end-of-m09for f in alerts ledger drift suppress report __main__ config; do cp "$S/detect/$f.py" detect/; donefor t in alerts ledger cli drift report_and_snooze; do cp "$S/tests/test_$t.py" tests/; donecp "$S/README.md" README.mdFenêtre de terminal $S = "..\nextia-learning-labs\C34\snapshots\end-of-m09"foreach ($f in "alerts","ledger","drift","suppress","report","__main__","config") { Copy-Item "$S\detect\$f.py" detect\ }foreach ($t in "alerts","ledger","cli","drift","report_and_snooze") { Copy-Item "$S\tests\test_$t.py" tests\ }Copy-Item "$S\README.md" README.md -
Exécutez les tests et la vérification du style :
Fenêtre de terminal python -m pytest -qruff check .Vous voyez
19 passed(19 tests réussis) etAll checks passed!(toutes les vérifications ont réussi). -
Envoyez les alertes du 3 octobre :
Fenêtre de terminal python -m detect run --day 2025-10-032025-10-03: 1,780 payments, 41 customers above the training threshold, 160 alert groups, 0 snoozed. Sent 50 new alerts to alerts/2025-10-03.jsonl; 0 already sent. -
Exécutez de nouveau la même journée :
Fenêtre de terminal python -m detect run --day 2025-10-032025-10-03: 1,780 payments, 41 customers above the training threshold, 160 alert groups, 0 snoozed. Sent 0 new alerts to alerts/2025-10-03.jsonl; 50 already sent. -
Ouvrez
alerts/2025-10-03.jsonldans votre éditeur. Il contient 50 lignes, une alerte par ligne. La première ligne est l’alerte deC-01234ci-dessus.
La ligne d’exécution compte aussi les clients au-dessus du seuil d’entraînement : 41 ce jour-là. Le seuil d’entraînement est le score qui donnait 50 alertes par jour pendant les jours d’entraînement. Ce nombre ne change pas ce que la tâche envoie. Il mesure la pression sur l’équipe, et la prochaine leçon le surveille.
Le format du fichier est JSON lines (.jsonl) : un objet JSON par ligne. Un écran de révision ou un tableau de bord peut facilement le lire. Dans ce cours, le fichier représente l’« envoi ». Une véritable tâche publierait aussi chaque nouvelle alerte dans la file de l’équipe.
Exécuter selon un horaire
Section intitulée « Exécuter selon un horaire »La tâche tient en une commande, donc n’importe quel planificateur peut la lancer. Par exemple, chaque jour à 6 h, pour la veille :
- Linux ou macOS (cron) :
0 6 * * * cd /path/to/detection-job && .venv/bin/python -m detect run --day $(date -d yesterday +\%F). Sur macOS,date -v-1d +\%Fdonne plutôt la date de la veille. - Windows : une tâche quotidienne dans Task Scheduler (Planificateur de tâches) qui exécute
.venv\Scripts\python.exe -m detect run --day <yesterday>dans le dossier du projet.
Le cours n’a pas de planificateur : vous exécutez chaque journée à la main, ou une période avec replay (rejouer). Le cours MLOps montre comment une équipe surveille une tâche comme celle-ci, dans Journaux, métriques et traces. Il montre qui est appelé lorsque la tâche échoue, dans Responsabilité et soutien.
Exercice guidé : rejouer un mois
Section intitulée « Exercice guidé : rejouer un mois »Un rejeu exécute la tâche pour chaque journée d’une période, dans l’ordre, comme l’horaire l’aurait fait. C’est ainsi que vous testez une tâche sur des données passées. Exécutez octobre 2025 :
python -m detect replay --from 2025-10-01 --to 2025-10-31La sortie contient une ligne par jour. Voici ses premières lignes et sa dernière ligne :
day payments above_threshold groups snoozed sent already_sent2025-10-01 1651 53 109 0 50 02025-10-02 1763 43 143 0 50 02025-10-03 1780 40 159 0 2 482025-10-04 2173 58 81 0 50 0...2025-10-14 1782 138 49 0 49 0...Sent 1501 alerts in 31 days (48.4 a day, budget 50, policy budget).Lisez la ligne du 3 octobre. Vous avez déjà envoyé les alertes de cette journée, donc 48 alertes étaient déjà envoyées. Mais 2 nouvelles alertes ont été envoyées. Pourquoi?
Un rejeu calcule les variables du mois entier en une seule fois, ce qui est plus rapide. Une exécution run seule les calcule avec exactement 60 jours d’historique. Quelques scores diffèrent donc légèrement : 40 clients au-dessus du seuil plutôt que 41, et 159 groupes plutôt que 160. Deux groupes sont entrés dans les 50 premiers. Ce sont de nouveaux groupes avec de nouveaux identifiants, donc le registre les laisse passer. Aucune alerte n’a été envoyée deux fois. Mais le 3 octobre compte maintenant 52 alertes, soit deux de plus que le budget.
Ici, « idempotente » signifie donc que la même alerte n’est jamais envoyée deux fois. Cela ne signifie pas qu’une journée ne reçoit jamais plus de 50 alertes. L’exercice « À vous de jouer » ci-dessous corrige cette lacune. Le 14 octobre, les 200 paiements les plus inhabituels ne formaient que 49 groupes. La tâche a donc envoyé 49 alertes. La prochaine leçon montre pourquoi cette journée était inhabituelle.
À vous de jouer : ne jamais dépasser le budget d’une journée
Section intitulée « À vous de jouer : ne jamais dépasser le budget d’une journée »Modifiez run_day() dans detect/__main__.py pour qu’une nouvelle exécution ne dépasse jamais le budget d’alertes d’une journée. Comptez les alertes déjà dans le fichier de la journée. Envoyez ensuite au plus budget moins ce nombre. Gardez la politique fixe telle quelle : elle n’a pas de budget. Avant de faire le changement, prédisez : après votre modification, combien de nouvelles alertes une réexécution du 3 octobre enverrait-elle?
Afficher une solution
Dans run_day(), après la ligne chosen = alerts_mod.choose(...), ajoutez :
if s.policy == "budget": day_file = s.alerts_dir / f"{day}.jsonl" sent_today = len(day_file.read_text().splitlines()) if day_file.exists() else 0 done = ledger.sent_ids(s.state_dir, s.alerts_dir, day) fresh = [a for a in chosen if a["alert_id"] not in done] chosen = [a for a in chosen if a["alert_id"] in done] + fresh[:max(0, s.budget - sent_today)]Les alertes déjà envoyées restent dans chosen, donc la tâche les compte toujours. Elle limite seulement les nouvelles alertes au nombre de places restantes. La prédiction : 0 nouvelle alerte. Le fichier de la journée contient déjà 50 alertes, donc il ne reste aucune place. Nous l’avons exécutée : d’abord pour le 3 octobre, puis à nouveau pour les journées du 1er au 4 octobre. Pour le 3 octobre, la réexécution donne 0 alerte envoyée et 48 déjà envoyées. Le fichier garde 50 lignes. Les 19 tests réussissent toujours. La version figée du cours garde la version plus simple, et les sorties de ces leçons en proviennent.
Quand utiliser une tâche comme celle-ci, et ce qu’elle coûte
Section intitulée « Quand utiliser une tâche comme celle-ci, et ce qu’elle coûte »Utilisez une tâche planifiée quand les données arrivent en lots, comme les paiements d’une journée. Les gens révisent ensuite les alertes plus tard. C’est simple et peu coûteux. Une exécution pour une journée a utilisé environ 12 secondes de temps processeur sur le portable de test. Elle n’a besoin d’aucun serveur.
N’utilisez pas un lot quotidien quand il faut décider rapidement. Un test de carte se déroule en quelques minutes. Pour bloquer les paiements au moment où ils se produisent, vous devez calculer un score dans leur parcours, en millisecondes. Il faut donc un système en temps réel, avec d’autres coûts. Beaucoup de commerces utilisent les deux : quelques règles rapides au moment du paiement et une tâche par lots pour l’équipe de révision.
Les coûts se trouvent dans les détails. Une fraude qui s’étend sur deux jours devient deux alertes. Les raisons tirées des cotes z (z-scores) robustes sont faciles à lire. Mais elles ne prouvent pas pourquoi le modèle a attribué ce score au paiement. Et le registre doit durer aussi longtemps que les alertes : si vous supprimez state/ et alerts/, l’exécution suivante renvoie tout.
Erreur courante
Une version du modèle dans l'identifiant d'alerte renvoie toutes les alertes
Symptôme : Tomás réentraîne le modèle et réexécute la dernière semaine pour vérifier le nouveau modèle. L’équipe de Sofia reçoit à nouveau toutes les alertes de cette semaine, avec de nouveaux identifiants. Elle les révise toutes une deuxième fois, et deux clients reçoivent un deuxième appel. C’est un cas construit : la tâche du cours ne fait pas cela.
Cause : l’identifiant d’alerte combinait la version du modèle et le paiement, par exemple iforest-2025-09-09-2025-11-07|P-0229866. Un nouveau modèle donne un nouvel identifiant au même événement. Le registre ne peut donc pas voir que l’alerte a été envoyée.
Correction : créez l’identifiant à partir de ce que le réviseur considère comme « la même alerte » : la journée, le type de groupe et sa clé (2025-10-03|customer|C-01234). Gardez la version du modèle dans l’alerte, pas dans son identifiant. Dans la prochaine leçon, un modèle réentraîné réexécute le 15 octobre : 41 alertes déjà envoyées, 9 nouvelles, aucune en double.
Conséquence pour le travail en IA : une tâche qui envoie des doublons fait perdre du temps à l’équipe et agace les clients. Pire, les gens constatent que les alertes se répètent et cessent de les lire attentivement.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
Les 8 paiements les plus inhabituels du 3 octobre appartiennent à 2 clients. Expliquez comment le regroupement les traite et pourquoi il compte avec un budget de 50 alertes par jour.
Afficher la réponse
Le regroupement réunit dans une seule alerte tous les paiements inhabituels d’un client pour une journée. Quand un appareil paie avec les cartes de 3 clients ou plus, une alerte contient les paiements de cet appareil. Les 8 paiements deviennent donc 2 alertes, une pour C-01234 et une pour C-15255. Avec un budget de 50, chaque place devrait contenir un événement différent. Sans regroupement, un seul test de carte de 39 paiements, comme le 12 octobre, occuperait 39 des 50 places.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Prédisez : vous exécutez la tâche pour le 3 octobre, puis réentraînez le modèle et réexécutez le 3 octobre. Le nouveau modèle place aussi la cliente C-01234 parmi les 50 premiers. L'alerte de C-01234 est-elle envoyée une deuxième fois? Expliquez à l'aide de l'identifiant d'alerte.
Afficher la réponse
Non. L’identifiant d’alerte correspond aux 16 premiers caractères du SHA-256 de « 2025-10-03|customer|C-01234 ». Il ne contient ni le modèle ni le score. Le modèle réentraîné donne donc le même identifiant, dbeea426d6dccd66. Le registre contient cet identifiant, donc la tâche compte l’alerte comme déjà envoyée. Seuls les groupes que le premier modèle n’a pas envoyés peuvent être nouveaux.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Après une exécution et une réexécution, le fichier d'alertes du 3 octobre contient 52 alertes, et le budget est de 50. La tâche fonctionne-t-elle mal? Expliquez ce qui s'est passé et ce que signifie « idempotent » ici.
Afficher la réponse
Aucune alerte n’a été envoyée deux fois, donc la tâche est idempotente, comme promis. La réexécution a calculé les variables pour tout le mois en une seule fois. Quelques scores ont donc légèrement changé. Deux autres groupes sont entrés parmi les 50 premiers. Ils avaient de nouveaux identifiants, donc le registre les a laissés passer. Pour une limite quotidienne stricte, la tâche doit compter les alertes envoyées pour la journée et envoyer au plus le nombre restant. C’est ce que fait l’exercice « À vous de jouer ».
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Récapitulatif
- Une tâche de détection exécute les mêmes étapes selon un horaire. Elle lit les données de la journée, calcule les variables et les scores. Elle regroupe, respecte le budget et ajoute des raisons ainsi qu’une première étape de procédure d’intervention (runbook). Elle envoie seulement ce que le registre ne contient pas.
- Le regroupement transforme plusieurs paiements d’un même événement en une alerte : par client, ou par appareil ayant payé avec les cartes d’au moins 3 clients. Le 12 octobre 2025, un test de carte de 39 paiements est devenu une seule alerte.
- L’identifiant d’alerte est un hachage de la journée, du type de groupe et de sa clé, jamais du modèle. Une réexécution du 3 octobre a envoyé 0 nouvelle alerte, avec 50 déjà envoyées.
- Idempotent signifie qu’aucune alerte n’est envoyée deux fois. Une réexécution avec des scores légèrement différents peut encore ajouter de nouveaux groupes à une journée (52 le 3 octobre). Comptez les alertes de la journée si vous avez besoin d’une limite stricte.
La tâche envoie maintenant 50 alertes par jour avec des raisons. En octobre, elle a appris la normale à partir d’août et de septembre. Ensuite, un lancement de produit change la normale pour de bon, et vous voyez l’effet sur la tâche.
Leçon suivante : Quand le « normal » change