Ensemble de vote explicable

Un ensemble de vote explicable combine les prédictions de multiples modèles de base diversifiés par vote majoritaire (vote dur) ou par probabilités moyennes (vote souple), puis applique des techniques XAI post-hoc ou ante-hoc — telles que les valeurs SHAP, LIME ou l'importance par permutation — pour produire des explications au niveau des caractéristiques pour les décisions du modèle combiné. L'objectif est de conserver les gains de précision de l'agrégation d'ensemble tout en répondant aux exigences d'interprétabilité dans des applications à enjeux élevés ou réglementées.