3 prévisions sur la prévision de séries chronologiques

L’expertise en matière de prévision peut évoluer vers des approches et des algorithmes permettant d’évaluer l’exactitude et l’équité des modèles. Nous avons constaté ce changement dans l'espace des grands modèles linguistiques (LLM), où les organisations qui cherchent à les intégrer doivent valider les modèles et s'assurer qu'ils sont exempts de préjugés systématiques. Nous devrons faire le même travail en matière de prévision, car il devient plus facile d’utiliser des modèles de prévision dans davantage de contextes.

Comme pour les LLM, nous verrons une famille croissante de modèles de prévision avec différentes forces et faiblesses (performances, taille, vitesse, spécialisation).

Au moment de la rédaction de cet article, le nombre de modèles de séries chronologiques de base est encore limité mais augmente rapidement. À mesure que le domaine évolue, nous commencerons à voir des modèles plus spécialisés, pour des secteurs et des objectifs spécifiques, pour gérer des types de données spécifiques ou pour donner aux utilisateurs un contrôle plus précis pour équilibrer vitesse et précision, en fonction de ce qui est important dans chaque tâche.

Ce ne seront pas seulement les modèles qui se spécialiseront, mais également les options et l'interface utilisateur permettant d'interagir avec eux. La variété des options disponibles pour améliorer la précision, les variables exogènes facilement disponibles et la manière dont les utilisateurs accèdent aux modèles via le code ou l'interface seront également des différenciateurs.