Navigating Time's Possibilities: Plausible Counterfactual Explanations for Multivariate Time-Series Forecast through Genetic Algorithms

Cet article présente une méthode novatrice combinant des algorithmes génétiques, la régression quantile et les tests de causalité de Granger pour générer des explications contrefactuelles plausibles et projeter des scénarios futurs dans le cadre de la prévision de séries temporelles multivariées.

L'essentiel

Imaginez que vous êtes le capitaine d'un immense navire de croisière (votre usine de biscuits) naviguant dans une mer parfois agitée. Votre objectif est d'arriver à destination sans heurt, sans que le navire ne prenne l'eau (ce qu'on appelle ici une "rupture de vide" dans le processus industriel).

Ce papier scientifique propose une machine à remonter le temps... mais seulement pour faire des hypothèses. C'est un outil qui répond à la question : "Et si j'avais fait ceci ou cela, comment l'avenir aurait-il changé ?"

Voici comment ils ont construit cette machine, expliqué simplement :

1. Le Problème : Trop de variables, trop de chaos

Dans une usine complexe, tout est lié. La température de l'eau, la pression de la vapeur, le pH, le débit des pompes... Si l'un de ces éléments change, cela peut faire basculer tout le système.
Les scientifiques ont essayé de prédire l'avenir, mais ils se sont heurtés à un problème : il y a des milliards de façons dont le futur pourrait se dérouler. Comment savoir quelles actions précises (comme tourner un robinet ici ou là) éviteront la catastrophe ?

2. La Solution : Une équipe de trois experts

Pour résoudre ce casse-tête, les auteurs ont assemblé trois "super-héros" qui travaillent ensemble :

A. Le Détective (La Causalité de Granger)

Imaginez un détective qui observe les événements passés. Son travail est de dire : "Attends, quand la température monte, la pression baisse toujours 5 secondes plus tard. Il y a un lien de cause à effet."

• L'analogie : C'est comme remarquer que quand le coq chante, le soleil se lève. Le détective vérifie si le coq cause vraiment le lever du soleil ou si c'est juste une coïncidence.
• Son rôle : Il filtre le bruit. Il ne garde que les variables qui ont un vrai pouvoir d'influence sur les autres, évitant ainsi de chercher des solutions dans des directions inutiles.

B. Le Météorologue (La Régression par Quantiles)

Un météorologue classique vous dit : "Demain, il y aura 20°C". Mais notre météorologue est plus prudent. Il dit : "Demain, il y a 90% de chances qu'il fasse entre 18°C et 22°C, mais il pourrait aussi faire 15°C ou 25°C."

• L'analogie : Au lieu de donner une seule prédiction (un point), il dessine un éventail de possibilités (une fourchette).
• Son rôle : Il permet de comprendre que le futur n'est pas une ligne droite, mais un nuage de possibilités. Cela aide à explorer des scénarios "plausibles" mais peu probables, ce qui est crucial pour trouver des solutions de secours.

C. Le Génie de l'Évolution (L'Algorithme Génétique)

C'est ici que la magie opère. Imaginez que vous avez une population de 200 "capitaines" virtuels. Chacun essaie une stratégie différente pour éviter la tempête (par exemple, le capitaine A baisse la pression, le capitaine B augmente le débit d'eau).

• Le processus :
  1. Ils testent leurs stratégies dans le futur simulé.
  2. Ceux qui échouent (le navire prend l'eau) sont éliminés.
  3. Ceux qui réussissent (le navire reste stable) se "reproduisent" : leurs meilleures idées sont mélangées et légèrement modifiées (mutation).
  4. On répète cela pendant plusieurs générations.
• Le résultat : Au bout d'un moment, l'algorithme trouve la combinaison parfaite de gestes (les "contre-factuels") qui permet d'atteindre l'objectif désiré (par exemple, une pression stable de 5,0 Pa) même si la situation actuelle était critique.

3. L'Application Réelle : Le Cas des Biscuits

Les chercheurs ont testé cette méthode avec une grande entreprise alimentaire brésilienne (M. Dias Branco).

• Le danger : Une rupture de vide dans leur système de désodorisation peut gâcher la qualité des biscuits et arrêter la production.
• Le succès : En utilisant leur "machine à hypothèses", ils ont pu simuler des centaines de scénarios. Ils ont découvert exactement quelles actions prendre (quels robinets ouvrir, quelles pressions ajuster) pour récupérer le système avant qu'il ne soit trop tard.
• Le verdict : Les experts de l'usine ont adoré l'outil. Ils ont pu "jouer" avec le futur, apprendre de nouveaux schémas de comportement de leur usine et créer de nouvelles règles de sécurité.

En résumé

Ce papier ne prédit pas l'avenir de manière magique. Il construit un laboratoire virtuel où l'on peut tester des millions de "Et si ?".
En combinant la logique des liens de cause à effet (le détective), la compréhension des incertitudes (le météorologue) et l'évolution naturelle des solutions (le génie de l'évolution), ils permettent aux humains de prendre de meilleures décisions pour éviter les catastrophes industrielles.

C'est comme avoir un GPS qui ne vous dit pas seulement où vous allez, mais qui vous montre le chemin exact à prendre maintenant pour éviter un accident dans 30 secondes, même si la route est bouchée.

Résumé technique

1. Problématique et Contexte

L'article s'intéresse à la génération d'explications contrefactuelles dans le contexte des séries temporelles multivariées. Le défi principal réside dans la capacité à répondre à des questions de type « Et si ? » (What-If) pour des systèmes complexes où les variables sont interdépendantes et où les dynamiques temporelles (retards, non-linéarités) jouent un rôle crucial.

Contrairement aux approches classiques qui traitent souvent les données comme des points statiques ou qui négligent la plausibilité des scénarios futurs, cette étude vise à :

• Identifier des relations de causalité cachées entre les variables.
• Générer des scénarios futurs plausibles (respectant les distributions historiques) qui conduisent à un résultat souhaité (par exemple, éviter une panne).
• Surmonter le « Rashomon effect » (l'existence de multiples modèles expliquant également bien les données mais donnant des interprétations différentes) en restreignant l'espace de recherche aux relations causales valides.

L'application concrète étudiée concerne l'industrie agroalimentaire (entreprise M. Dias Branco), spécifiquement la prévention des ruptures de vide dans un système de désodorisation sous vide, un événement critique pouvant altérer la qualité des aliments.

2. Méthodologie Proposée

L'approche proposée est une pipeline hybride combinant trois piliers techniques :

A. Analyse de Causalité de Granger

Pour réduire l'espace de recherche et garantir la cohérence temporelle, les auteurs utilisent le test de causalité de Granger.

• Fonctionnement : Pour chaque paire de variables, un modèle autorégressif est comparé à un modèle incluant une variable supplémentaire. Un test t est effectué sur l'amélioration de la précision.
• Objectif : Si la p-value est inférieure à 0,05, une relation de causalité est établie. Cela permet de filtrer les dépendances non pertinentes et de construire des modèles autorégressifs basés uniquement sur les variables causalement liées, réduisant ainsi l'incertitude des projections futures.

B. Régression par Quantiles (Quantile Regression)

Pour capturer l'incertitude et la variabilité des données temporelles, au lieu de prédire une seule valeur ponctuelle, le modèle entraîne plusieurs régresseurs par quantiles pour chaque variable d'entrée.

• Fonctionnement : Ces modèles minimisent la fonction de perte « pinball loss » pour estimer toute la distribution conditionnelle des variables.
• Utilité : Cela permet de définir un espace de scénarios plausibles (intervalles de confiance) plutôt que des trajectoires uniques, essentiel pour naviguer dans les futurs possibles sans extrapoler de manière irréaliste.

C. Algorithmes Génétiques (GA)

Un algorithme génétique est employé pour explorer l'espace des solutions et trouver la séquence d'interventions menant au résultat cible.

• Représentation : Un individu est un vecteur où chaque position représente le quantile (probabilité) à utiliser pour prédire la valeur d'une variable à un instant donné.
• Fonction d'adaptation (Fitness) : L'algorithme optimise trois objectifs simultanément :
  1. Précision : Minimiser la distance entre la projection contrefactuelle et la valeur cible souhaitée ($Y_{goal}$).
  2. Similarité : Maximiser la similarité entre le scénario contrefactuel et les données originales (pour éviter les écarts trop grands).
  3. Probabilité : Maximiser la vraisemblance du scénario par rapport aux données observées (en utilisant les distributions apprises par les régresseurs quantiles).
• Processus : Par sélection, croisement et mutation, la population évolue sur plusieurs générations pour converger vers des scénarios plausibles satisfaisant les contraintes.

3. Contributions Clés

• Nouvelle Méthodologie pour Séries Temporelles : Contrairement aux méthodes existantes conçues pour des données tabulaires (comme CERTIFAI, MOC, GECO), cette approche est spécifiquement adaptée à la structure temporelle et aux dépendances séquentielles des séries multivariées.
• Intégration Causalité-Optimisation : L'usage combiné de la causalité de Granger et des algorithmes génétiques permet de restreindre l'espace de recherche aux relations causales réelles, améliorant la fiabilité des explications.
• Gestion de l'Incertitude : L'utilisation de la régression par quantiles permet de générer des scénarios qui respectent la distribution statistique des données historiques, évitant les explications « hors domaine » (implausibles).
• Validation Industrielle : Application réussie sur des données réelles d'une entreprise majeure, démontrant la capacité du modèle à simuler des interventions préventives pour des pannes critiques.

4. Résultats Expérimentaux

Les expériences ont été menées sur des données de l'entreprise M. Dias Branco (système de vide alcalin fermé - ACL).

• Performance Prédictive : Le modèle LightGBM a été sélectionné comme meilleur modèle de base, surpassant les LSTM, SVR et ARIMA avec un MAPE de 3,8% et un $R^2$ de 0,916 sur des données hors échantillon.
• Analyse de Causalité : La carte de chaleur (heatmap) de Granger a permis d'identifier des clusters de variables interdépendantes, validant la structure du modèle.
• Génération de Scénarios Contrefactuels :
  • L'algorithme génétique a réussi à trouver des scénarios plausibles dans 90% des essais (28 sur 30) pour atteindre une pression cible spécifique (5,0 Pa) après une rupture de vide.
  • Le scénario trouvé (probabilité de 42,9%) a identifié des variables d'action (ex: pression de la pompe, débit de vapeur) permettant de restaurer la stabilité du système.
• Limites Observées : Une difficulté persiste dans l'extrapolation des valeurs extrêmes (queues de distribution) si les données d'entraînement ne sont pas suffisamment représentatives de ces cas rares.

5. Signification et Impact

Ce travail offre un cadre robuste pour la prise de décision proactive dans les systèmes industriels complexes. En passant de la simple prédiction à l'explication contrefactuelle, il permet aux experts de :

• Comprendre les leviers d'action précis pour éviter des défaillances coûteuses.
• Simuler des stratégies de prévention avant qu'elles ne soient appliquées physiquement.
• Interpréter les modèles de boîte noire grâce à des scénarios causalement valides et statistiquement plausibles.

L'étude démontre que l'intégration de la causalité, de l'incertitude statistique et de l'optimisation évolutionnaire est une voie prometteuse pour rendre l'intelligence artificielle explicable et actionnable dans le domaine des séries temporelles.