Fuites de données

Quatre fuites classiques

Cible dans X, imputation/normalisation apprises sur tout le fichier, sélection de variables sur tout le fichier, lignes jumelles à cheval sur train/test (même client, même image augmentée). Symptôme : test miraculeux qui s'effondre en production.

Barrage

Pipeline qui apprend tout sur train dans chaque fold, split par groupe/temps, revue de chaque colonne avec la question du moment de disponibilité. Une fuite corrigée fait souvent chuter le score : c'est une bonne nouvelle, vous regardez enfin la réalité.