Quand l’estimation des performances est erronée

Imaginez que vous êtes data scientist dans une banque, sur un cas d’usage de défaut de paiement de prêts. Chaque mois, vous recevez des labels pour valider votre modèle et l’algorithme d’estimation des performances. Durant un mois en particulier, vous observez que de nombreux clients occupant des emplois bien rémunérés font défaut plus souvent, en raison d’une forte poussée de l’inflation et d’une crise de l’emploi.

En comparant la performance estimée à la performance réalisée, vous constatez un écart important entre les deux.

Qu’est-ce qui pourrait expliquer que l’algorithme d’estimation des performances soit moins efficace dans cette situation ?