Vérification des données publiées de l’étape 2…
Pas de gain suffisamment démontré — ce n’est pas une preuve d’absence d’effet.
L’ajout de ces données réduit-il l’erreur de prévision ?
Chaque ligne compare deux modèles sur les mêmes dates de mesure. À droite de zéro : l’erreur moyenne diminue avec les données ajoutées. À gauche : elle augmente. Les barres qui traversent zéro ne permettent pas de conclure au sens du gain.
Survolez ou touchez un point pour afficher ses valeurs. Les tableaux sous les graphiques permettent aussi une lecture au clavier.
Chargement des données…
Lecture technique — méthodes, effectifs et limites
Quelles données sont comparées ?
Un « groupe de données » rassemble des mesures de même origine : température et humidité intérieures ; météo extérieure ; joint ; ou comparateur du mur routier. Les effectifs disponibles ne sont pas ceux du test : après sélection des dates communes et réservation du passé pour apprendre, il reste 28 mesures de fissure à évaluer par comparaison principale, et 18 pour le comparateur. Ces mesures sont réutilisées entre modèles : on ne les additionne pas.
Deux questions distinctes
Ajout seul (apport marginal). On compare un modèle utilisant le passé de la fissure, le calendrier, la cadence et les états de palier au même modèle enrichi d’un seul groupe de données.
Ajout aux autres données (apport conditionnel). On compare le modèle avec tous les groupes disponibles au même modèle privé du groupe étudié. On demande alors si ce groupe apporte quelque chose que les autres ne fournissent pas déjà.
Une « comparaison principale » désigne une paire de ces modèles, un groupe de données et une méthode de calcul — pas une fissure différente. ElasticNet est une régression régularisée ; GAM borné utilise des courbes lisses ; CatBoost combine des arbres de décision. Les comparaisons du comparateur utilisent des caractéristiques insensibles au décalage de niveau du capteur.
Comment lire les valeurs et leur incertitude ?
- Réduction moyenne de l’erreur (gain apparié)
- Erreur absolue moyenne du modèle sans le groupe, moins celle du modèle avec le groupe, calculées sur les mêmes mesures. Un gain de +0,002 mm signifie une erreur moyenne plus faible de 0,002 mm ; ce n’est pas une diminution physique de la fissure.
- Limites basse et haute simultanées
- Extrémités de la plage d’incertitude. Le calcul tient compte du fait que plusieurs comparaisons sont examinées ensemble, pour limiter les découvertes fortuites. « 95 % » qualifie la méthode statistique, pas une probabilité garantie sur chaque résultat.
- Nombre de mesures évaluées (n)
- Nombre de cibles physiques distinctes dans cette comparaison : une cible est une mesure réelle de fissure à une date donnée. Ce n’est ni le nombre total de données météo, ni le nombre de modèles ajustés.
- Plage non calculable
- Les conditions du calcul d’incertitude ne sont pas réunies. Le point peut être affiché, mais il ne suffit pas à soutenir une conclusion positive ou négative.
Validation et limites
Les modèles sont comparés chronologiquement : chaque ajustement utilise le passé de la fissure. Le calcul d’incertitude rééchantillonne des blocs de trois intervalles physiques successifs et corrige les comparaisons multiples. Les horodatages historiques de réception des variables environnementales ne sont pas suffisamment attestés pour revendiquer une prévision opérationnelle rétrospective stricte.
Les choix de variables, coefficients et tests par permutation restent exploratoires. On ne sait pas désigner de variables systématiquement plus utiles que les autres selon les périodes et réglages : aucun palmarès de « facteurs importants » n’est donc présenté.
Fissure et joint : association, pas explication causale
Leurs variations présentent une coévolution négative dans l’analyse descriptive : elles tendent à évoluer en sens opposé sur le support étudié. Cela ne prouve ni que le joint permet de prévoir la fissure, ni qu’il la provoque.
Toutes les comparaisons, sans troncature
Sources : mesures réelles du bâtiment, du mur routier et de leur environnement ; comparaisons chronologiques et résultats conservés. Données de fissure arrêtées au 24 septembre 2026. Télécharger les données de cette restitution.
Comprendre les termes — glossaire détaillé
- Association
- Deux grandeurs varient ensemble sur les observations disponibles. Cela ne dit pas si l’une explique l’autre, si une troisième les influence, ou si la relation se maintiendra.
- Apport prédictif
- Information qui améliore une prévision sur des mesures non utilisées pour ajuster le modèle. Une corrélation visible ne suffit pas à le démontrer.
- Causalité
- Effet attribuable à une intervention ou à un mécanisme, après examen des autres explications. Un changement après des travaux ne suffit pas, à lui seul, à établir cette attribution.
- Support d’évaluation
- Ensemble précis de dates et de mesures sur lequel un résultat est calculé. Comparer des scores calculés sur des supports différents peut être trompeur.
- Validation temporelle
- Évaluation où le modèle est ajusté uniquement sur le passé, puis confronté à des mesures ultérieures tenues à l’écart. Les essais reconstruits restent distincts d’une prévision réellement annoncée à l’avance.
- MAE — erreur absolue moyenne
- Distance moyenne, en millimètres, entre les valeurs prévues et mesurées. Plus elle est faible sur les mêmes dates, plus les points prévus sont proches des mesures.
- Intervalle empirique
- Plage construite à partir d’erreurs observées lors d’essais passés. Elle décrit une incertitude estimée ; elle n’assure pas que les prochaines mesures y resteront.
- Inconclusif
- Les données et l’incertitude ne permettent pas de trancher la question posée. Ce n’est ni la démonstration d’un effet, ni celle de son absence.
- p-value
- Mesure de la compatibilité des résultats avec une hypothèse statistique de départ. Ici, p = 0,397 ne permet pas de retenir un apport global ; ce n’est pas la probabilité que les facteurs soient sans effet.
- Correction des comparaisons multiples
- Précaution statistique appliquée quand plusieurs pistes sont examinées : elle évite de conclure trop facilement à un gain apparu fortuitement parmi de nombreux essais.