Démonstration sur données synthétiques — Sidi Ahmed Chaoui
Simulation uniquement. Ces chiffres ne mesurent pas la performance réelle sur le terrain.
Jeu créé
- 3 300 événements synthétiques : 300 fuites et 3 000 non-fuites.
- Entraînement : 240 fuites + 2 400 non-fuites.
- Test séparé : 60 fuites + 600 non-fuites.
- Les exemples sont interpolés et légèrement perturbés à partir des distributions acoustiques réelles de Sidi.
- Les événements sources réels sont séparés avant la génération du train et du test.
- Aucun identifiant d'appareil, commentaire de technicien ou date réelle n'est copié dans le fichier synthétique.
Le fichier reproductible local est synthetic/sidi_demo.csv. Il contient les mêmes 86 variables acoustiques et temporelles que le détecteur réel.
Résultat de démonstration
| Mesure | Résultat |
|---|---|
| Accuracy | 93.9 % |
| Précision des alertes fuite | 63.9 % |
| Rappel des fuites | 76.7 % |
| F1-score | 69.7 % |
| Fuites trouvées | 46 / 60 |
| Fausses alertes | 26 / 600 |
Seuil de démonstration : 0.10. Ce seuil volontairement bas privilégie la détection des fuites ; il n'est pas calibré pour la production.
Interprétation correcte
Cette simulation vérifie que le pipeline peut apprendre, prédire et afficher des métriques lorsqu'il reçoit le volume de données visé. Elle ne prouve pas que de nouvelles fuites réelles suivront exactement les distributions artificielles. Seules de futures campagnes réelles pourront produire une accuracy de production.
Pour reproduire la démonstration :
MPLCONFIGDIR=/tmp/matplotlib-wl ./env/bin/python pipeline/synthetic_demo.py
./env/bin/python pipeline/build.py --render-only