Arbre de décision
Un arbre de décision est un algorithme de machine learning qui représente les décisions sous forme de questions successives, organisées hiérarchiquement, jusqu’à aboutir à une prédiction. Chaque nœud pose une condition, chaque branche mène à un nouveau nœud ou à une feuille finale contenant le résultat.
C’est un algorithme d’apprentissage supervisé, entraîné sur des exemples déjà connus. Il gère aussi bien la classification (prédire une catégorie) que la régression (prédire une valeur numérique).
En RH, il sert à modéliser des décisions explicables : score de risque de départ d’un salarié, éligibilité à une prime, ou tri de candidatures selon des critères successifs. Son atout majeur face à d’autres modèles : la lisibilité — on peut suivre le raisonnement nœud par nœud, ce qui facilite l’explicabilité RH (important face aux obligations de transparence des décisions RH automatisées).
Il constitue aussi la brique de base de modèles plus puissants comme le Random Forest.
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.
Sources : Blent.ai, Google for Developers.