S'abonner à un flux RSS
D.04 - Finesse d'une prévision
Définition
La finesse d'une prévision probabiliste correspond à la « largeur » de l'incertitude : plus une prévision est incertaine, moins elle sera fine. La finesse est également appelée résolution de la prévision. Les anglophones emploient le mot sharpness qui évoque la nature plus ou moins pointue (acérée) de la densité de probabilité.
Elle se mesure souvent par la largeur d'un intervalle de prévision (exemple 1).
Exemple 1. Deux systèmes de prévision sont utilisés le 8 mars à 21 h 00. La figure 1 présente les intervalles de prévision à 80 % établis par ces deux systèmes. La prévision du premier système est bien plus fine que celle du second.
Finesse n'est ni précision, ni fiabilité
La finesse et la précision (fiche D.03) d'une prévision sont deux choses très différentes. La précision rend compte des qualités propres de la prévision (comparaison à l'observation) tandis que la finesse caractérise le niveau de connaissance apparent fourni par la prévision. Ce niveau de connaissance apparent est un niveau de connaissance réaliste si la prévision est fiable (fiche D.02). Si les incertitudes sont sous-estimées, la prévision paraît fine mais cette finesse est trompeuse.
Exemple 2. Un système de prévision probabiliste de hauteur d'eau dont la médiane s'écarterait de l'observation de 2 cm (en moyenne) et dont l'écart-type moyen serait de 25 cm serait très précise mais peu fine. Inversement, une prévision probabiliste dont la médiane s'écarterait de 50 cm (en moyenne) mais dont l'écart-type moyen serait de 5 cm serait très fine mais très peu vraisemblable (et probablement très peu fiable).
La finesse est-elle une qualité à rechercher ?
Il peut être plus satisfaisant de présenter des prévisions fines que des prévisions très larges aux destinataires. En effet, cela traduit une plus grande confiance dans les prévisions, ce qui peut être (faussement) associé à un « meilleur » travail de la part de l'équipe de prévision. Comme expliqué ci-dessus, cette finesse serait mensongère si elle est obtenue au prix d'une perte de fiabilité du système de prévision.
Ainsi, il est inutile et dangereux de calibrer un système de prévision de façon à ce qu'il fournisse des prévisions fines (par exemple en utilisant un calage multi-critère qui prendrait en compte finesse et précision). Un tel système n'aurait aucune raison d'être fiable et la finesse obtenue ne signifierait rien (voire conduirait à une interprétation erronée) : cela revient à faire des promesses qu'on ne tiendrait pas.
On notera d'ailleurs que la finesse est indépendante des observations : calibrer les prévisions sur cette base serait donc absurde.
Voir également
