Le compromis du rééchantillonnage

Une grande entreprise tech souhaite prédire l’attrition des employés afin d’améliorer la rétention. Mais seulement 12 % des employés sont partis, donc le modèle est principalement entraîné sur des cas de « reste » (88 %), ce qui rend difficile l’identification des personnes à risque de départ.

Pour corriger ce déséquilibre, les analystes RH utilisent un rééchantillonnage synthétique pour créer davantage de cas « départ » et équilibrer les données.

Une exigence clé : le modèle doit éviter de mal classer des employés fidèles comme « à haut risque de départ », afin d’éviter des efforts de rétention inutiles.

Le modèle est évalué selon :

• Précision sur l’entraînement : prédictions correctes sur les données d’entraînement.
• Précision sur le test : prédictions correctes sur de nouvelles données.
• Précision : parmi les départs prédits, combien sont réellement partis.

Metric	Model A (without resampling)	Model B (with resampling)
Training accuracy	85%	95%
Test Accuracy	82%	85%
Precision	80%	68%