📊 statistics

In-Context Learning for Data-Driven Censored Inventory Control

Ce papier propose l'Échantillonnage Postérieur Génératif en Contexte (ICGPS), un cadre qui exploite des modèles génératifs méta-entraînés pour exécuter des actions oracles sur des complétions de demande latente apprises, permettant ainsi d'atteindre un regret bayésien sous-linéaire et une robustesse face aux écarts de prior dans des problèmes de contrôle d'inventaire censuré pilotés par les données, tels que le nouveau-vendeur répété.

Auteurs originaux : Sohom Mukherjee, Anh-Duy Pham, Richard Pibernik, Yunbei Xu

Publié 2026-05-15

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Sohom Mukherjee, Anh-Duy Pham, Richard Pibernik, Yunbei Xu

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous gérez un stand de limonade. Chaque matin, vous devez décider combien de verres de limonade préparer avant de savoir combien de personnes se présenteront réellement.

Si vous en faites trop peu, vous manquez de limonade (une « rupture de stock »). Si vous en faites trop, vous perdez de l'argent avec de la limonade restante. C'est le classique « Problème du Vendeur de Journaux ».

Maintenant, imaginez une nuance : Vous ne pouvez jamais voir la vraie demande.

Si vous faites 10 verres et que 15 personnes se présentent, vous vendez 10 et manquez de stock. Vous savez que la demande était d'au moins 10, mais vous ne savez pas si elle était de 11, 20 ou 100. Les données sont « censurées » (coupées).
Si vous faites 20 verres et que seulement 5 personnes se présentent, vous voyez exactement 5. Les données sont claires.

Le défi est le suivant : comment apprendre à faire la quantité parfaite de limonade lorsque vos moments d'apprentissage les plus précieux (les ruptures de stock) vous cachent la vérité ?

Les anciennes méthodes contre la nouvelle approche

L'article explique que les méthodes précédentes tentaient de résoudre ce problème de deux manières, toutes deux imparfaites :

La méthode du « Pressentiment » (Échantillonnage de Thompson Paramétrique) : Vous supposez une forme spécifique pour la courbe de demande (par exemple, « c'est toujours une courbe en cloche »). Si votre hypothèse est fausse, toute votre stratégie échoue.
La méthode du « Remplissage » (Imputation Hors Ligne) : Vous tentez de deviner les chiffres manquants a posteriori en utilisant d'anciennes données. Mais cela échoue souvent lorsque vous essayez de l'utiliser en temps réel, dans des situations en direct.

Les auteurs proposent une nouvelle approche appelée Échantillonnage Postérieur Génératif en Contexte (ICGPS).

L'analogie créative : Le Chef qui « Rêve »

Imaginez la nouvelle méthode comme un Chef qui apprend en rêvant.

Au lieu d'essayer de deviner une formule mathématique pour la demande, le Chef possède un puissant Générateur de Rêves (un modèle d'IA moderne).

La phase d'entraînement (Hors Ligne) : Le Chef regarde des milliers de vidéos d'autres stands de limonade. Certains jours, ils ont manqué de stock ; d'autres jours, ils avaient des restes. Le Chef apprend à combler les blancs. Si une vidéo montre un stand vendant 10 verres puis manquant de stock, le Générateur de Rêves du Chef apprend à imaginer des scénarios plausibles : « Peut-être que 12 personnes sont venues ? Peut-être 15 ? Peut-être 50 ? » Il apprend à combler les chiffres de demande manquants d'une manière cohérente avec l'historique.
La phase de Rêve (En Ligne) : Chaque matin, avant de faire de la limonade, le Chef ne se contente pas de deviner. Il rêve une journée complète.
- Il regarde son historique (ce qui s'est passé hier, avant-hier).
- Il demande au Générateur de Rêves : « Compte tenu de ce qui s'est passé avant, à quoi aurait pu ressembler la journée complète ? »
- Le Générateur crée une journée complète fictive où la demande est entièrement révélée (sans censure). Il comble les chiffres manquants avec des hypothèses plausibles.
La décision : Le Chef examine cette journée rêvée complète et se demande : « Si cela avait été réel, combien de limonade aurais-je faite pour être parfait ? » Il prend cette action.
Le contrôle de réalité : Il prépare la limonade, la vend et observe le résultat réel (qui peut à nouveau être censuré). Il ajoute ces nouvelles données réelles à son historique et répète le processus.

La magie réside dans le fait que le Chef n'a pas besoin de réentraîner le Générateur de Rêves chaque jour. Il utilise simplement le contexte de l'historique de la journée en cours pour guider le rêve. C'est ce qu'on appelle l'« Apprentissage en Contexte ».

L'ingrédient secret : ChronosFlow

Pour rendre ce « Générateur de Rêves » rapide et précis, les auteurs ont construit une architecture spécifique appelée ChronosFlow.

La colonne vertébrale (Chronos) : Imaginez cela comme un bibliothécaire ultra-intelligent qui a lu tous les livres sur les séries temporelles jamais écrits. Il comprend les modèles dans le temps (comme « les ventes de limonade augmentent les jours chauds »).
La tête (Flow) : C'est la partie qui comble réellement les chiffres manquants. Elle est conçue pour respecter les règles du jeu. Si l'historique indique « Nous avons manqué de stock à 10 verres », le Générateur de Rêves est contraint d'imaginer une demande supérieure à 10. Il ne peut pas imaginer une demande de 5 si nous savons que nous avons manqué de stock.

Ce que l'article a découvert

Les auteurs ont testé ce « Chef qui Rêve » contre les anciennes méthodes :

Il égale les experts : Lorsque la demande suit un modèle simple et prévisible, le Chef qui Rêve performe aussi bien que les meilleurs experts théoriques (Échantillonnage de Thompson).
Il est robuste : Si le monde réel change (par exemple, si le modèle de demande passe d'une courbe en cloche à quelque chose d'étrange), le Chef qui Rêve s'adapte rapidement. Les anciennes méthodes de « Pressentiment » échouent souvent car leurs formules étaient erronées.
Il gère la censure lourde : Lorsque le stand de limonade manque de stock souvent (cachant la vraie demande), le Chef qui Rêve excelle. Il utilise son entraînement pour deviner les chiffres manquants mieux que les méthodes qui tentent de deviner sans générateur de « rêves ».
Succès dans le monde réel : Ils ont testé cela sur des données de ventes réelles d'un « SuperStore ». Même avec des données réelles désordonnées où les ruptures de stock étaient fréquentes, le Chef qui Rêve (spécifiquement la version « Meta », qui avait appris d'autres magasins en premier) a pris de meilleures décisions que la concurrence.

La conclusion

L'article affirme qu'en traitant les données manquantes comme un « rêve » pouvant être généré par une IA, plutôt que comme un problème mathématique à résoudre avec une formule rigide, nous pouvons prendre de meilleures décisions en matière de gestion des stocks. Le système apprend des expériences passées, comble les lacunes du présent et prend une décision basée sur un scénario « et si » qui respecte les règles du jeu.

L'essentiel : Vous n'avez pas besoin de connaître l'avenir exact pour prendre une bonne décision ; vous avez juste besoin de pouvoir imaginer quelques futurs plausibles qui correspondent aux indices que vous avez, et d'agir comme si le meilleur d'entre eux était réel.

Résumé Technique : Apprentissage en Contexte pour le Contrôle des Stocks Censurés Basé sur les Données

Énoncé du Problème

L'article aborde le problème du Vendeur de Journaux Répété (R-NV), un scénario canonique de prise de décision opérationnelle caractérisé par une incertitude dépendante de la décision et une censure à droite. Dans ce cadre, un décideur sélectionne une quantité de commande $X_t$ à chaque période. La demande latente $D_t$ n'est observée que partiellement : si $D_t \le X_t$ , la demande exacte est observée ; si $D_t > X_t$ (rupture de stock), seule la chiffre d'affaires $X_t$ et un indicateur de rupture de stock sont observés. Cette censure crée une tension fondamentale entre exploration et exploitation : une commande conservatrice minimise les coûts de stockage immédiats mais augmente la censure, entravant ainsi l'apprentissage futur de la distribution de la demande.

Les approches existantes présentent des limitations significatives :

Échantillonnage de Thompson Paramétrique (TS) : Bien que théoriquement puissant, le TS repose sur une spécification a priori correcte. En pratique, un décalage de l'a priori peut entraîner une dégradation sévère des performances.
Imputation Hors Ligne : Les méthodes tentant de dé-censurer la demande (par exemple, via des estimateurs de Kaplan-Meier) sont généralement confinées à des contextes hors ligne et manquent de garanties théoriques pour la prise de décision séquentielle en ligne.

Les auteurs visent à combler ce fossé en développant un algorithme d'apprentissage en ligne offrant des garanties de performance dans des espaces d'actions continus sans nécessiter un a priori paramétrique connu, tout en gérant efficacement la structure de données manquantes induite par la censure.

Méthodologie : Échantillonnage de Postérieur Génératif en Contexte (ICGPS)

La solution proposée, l'Échantillonnage de Postérieur Génératif en Contexte (ICGPS), reformule le problème d'apprentissage sous un angle de "données manquantes". Au lieu d'estimer des paramètres, l'algorithme traite les composantes de demande non observées comme des résultats manquants pouvant être "complétés" de manière cohérente avec le mécanisme de feedback observé.

Cadre Central

Entraînement Méta Hors Ligne : Un modèle génératif conditionnel est entraîné sur des données historiques (épisodes hors ligne) pour apprendre un noyau de complétion. Ce modèle apprend à échantillonner des trajectoires de demande complètes plausibles $D_{1:T}$ $D_{1 : T}$ conditionnées par l'historique observé $H_{t-1}$ $H_{t - 1}$ (qui inclut les actions, les ventes et les indicateurs de censure).
- Fonction de Perte : Le modèle est entraîné en utilisant une vraisemblance négative consciente de la censure. Les observations non censurées contribuent un terme de densité, tandis que les observations censurées contribuent un terme de survie (analogue à l'analyse de survie).
Adaptation en Ligne en Contexte : Lors du déploiement, le modèle est figé. À chaque pas de temps $t$ $t$ , l'algorithme :
- Échantillonne une trajectoire de demande complète $\tilde{D}^{(t)}_{1:T}$ à partir de la distribution conditionnelle apprise $p_\theta(\cdot | H_{t-1})$ .
- Application de Contraintes : Crucialement, le processus d'échantillonnage impose des contraintes de cohérence rigides. Si une période passée $s < t$ a été censurée (rupture de stock), la demande échantillonnée $\tilde{D}_s$ doit satisfaire $\tilde{D}_s > X_s$ . Cela est réalisé via un conditionnement de queue (échantillonnage à partir de la queue conditionnelle de la distribution).
- Action Oracle : L'algorithme calcule l'action "oracle" pour la trajectoire échantillonnée. Pour le problème R-NV, il s'agit de la $\gamma$ -quantile empirique (où $\gamma = b/(b+h)$ est le fractile critique) de la séquence de demande complétée.
- Le décideur exécute cette action, observe un nouveau feedback censuré, et met à jour l'historique du contexte sans mettre à jour les paramètres du modèle.

Architecture : ChronosFlow

Pour mettre en œuvre ICGPS de manière pratique, les auteurs proposent ChronosFlow, une architecture modulaire :

Squelette : Un transformateur de séries temporelles Chronos-2 figé (pré-entraîné sur des ensembles de données massifs) qui extrait des caractéristiques de quantiles en contexte à partir de l'historique.
Tête : Un Flot de Normalisation Conditionnel (CNF) léger qui mappe le vecteur de contexte vers une distribution conditionnelle sur la demande. Le CNF permet un échantillonnage par transformation inverse exact, facilitant l'imposition des contraintes de censure (conditionnement de queue) lors de la génération en ligne.

Contributions Théoriques

L'article fournit une analyse rigoureuse du regret bayésien qui décompose la performance de la politique ICGPS déployée en deux termes :

Regret de Référence Idéale (Terme I) : Le regret d'une politique d'Échantillonnage de Thompson idéale utilisant le noyau de complétion vrai.
- Les auteurs démontrent que pour le problème R-NV, la structure de feedback censuré peut être réduite à l'Optimisation Convexe de Bandit (BCO) avec des actions scalaires.
- En s'appuyant sur des résultats récents sur le TS pour la BCO (Bakhtiari et al., 2025), ils établissent que la référence idéale atteint un regret bayésien sous-linéaire de $\tilde{O}(\sqrt{T})$ . Ceci est présenté comme la première analyse de regret bayésien pour le TS dans le cadre R-NV utilisant le cadre du ratio d'information.
Pénalité de Déploiement (Terme II) : Le regret supplémentaire encouru en utilisant un modèle de complétion appris au lieu du vrai.
- Les auteurs dérivent une borne montrant que cette pénalité évolue comme $\sqrt{T} \times \sqrt{\Delta_{\text{comp}}}$ , où $\Delta_{\text{comp}}$ est le décalage de complétion sur la politique (divergence KL entre les complétions de trajectoires vraies et apprises).
- Crucialement, ils montrent que sous une couverture d'ordre maximal (la politique commande occasionnellement la capacité maximale pour révéler la demande de queue) et une auto-contraction (les erreurs de génération autorégressive diminuent au fil du temps), le décalage de complétion est contrôlé par le décalage prédictif observable (la perte d'entraînement hors ligne).
- Cela établit un lien théorique : un ajustement prédictif hors ligne de haute qualité se traduit par un regret en ligne faible.

Résultats Expérimentaux

Les auteurs évaluent ChronosFlow-ICGPS sur des ensembles de données synthétiques et réels :

Vérification de Raison (Spécification Correcte) : Dans des configurations de demande Weibull i.i.d., ChronosFlow-ICGPS correspond aux performances d'une base de référence paramétrique d'Échantillonnage de Thompson correctement spécifiée à divers niveaux de service ( $\gamma$ ), validant que l'approche générative retrouve un comportement classique lorsque le modèle est bien spécifié.
Lien Hors Ligne - En Ligne : Les expériences démontrent une relation monotone entre la perte de validation hors ligne consciente de la censure et le regret cumulatif en ligne. Une meilleure qualité prédictive hors ligne conduit à un regret en ligne plus faible, confirmant la borne théorique de pénalité de déploiement.
Robustesse au Décalage :
- Changement de Distribution : Lorsqu'il est testé dans un environnement Weibull après un pré-entraînement sur un mélange de quatre familles de demandes différentes, ChronosFlow-ICGPS surpasse significativement le TS paramétrique mal spécifié, montrant une robustesse aux changements de familles.
- Décalage de l'A Priori : Dans des scénarios où les paramètres de test en ligne se situent en dehors du régime d'entraînement hors ligne, ChronosFlow-ICGPS reste stable, tandis que le TS paramétrique avec un a priori décalé subit un regret élevé.
Référence Réelle (Jeu de Données SuperStore) : En utilisant le jeu de données de ventes SuperStore (Hssaine & Sinclair, 2024), la méthode est évaluée sous divers degrés de sévérité de censure ( $\lambda$ $λ$ ).
- Censure Lourde : La variante "Meta" (pré-entraînée sur d'autres ensembles de données) réalise les gains les plus importants dans les régimes fortement censurés (par exemple, $\lambda=1$ ), surpassant les bases de référence telles que l'Approximation Moyenne de l'Échantillon (SAA), Kaplan-Meier et RCN d'une marge significative.
- Censure Légère : À mesure que la censure s'allège, l'écart de performance se réduit, mais la méthode reste compétitive.

Importance et Revendications

L'article revendique offrir un nouveau modèle pour résoudre des problèmes de décision séquentielle avec incertitude dépendante de la décision et espaces d'actions continus. Son importance principale réside dans :

Cadre Unificateur : Il combine avec succès les forces des méthodes bayésiennes paramétriques (exploration via échantillonnage de postérieur) et de l'apprentissage hors ligne basé sur les données (robustesse via méta-entraînement) sans nécessiter de mises à jour de gradient en ligne.
Nouveauté Théorique : Il fournit la première borne de regret bayésien sous-linéaire pour l'Échantillonnage de Thompson dans le problème du vendeur de journaux censuré en le réduisant à l'optimisation convexe de bandit.
Faisabilité Pratique : L'architecture ChronosFlow démontre que les modèles génératifs modernes (Transformers + Flots de Normalisation) peuvent être adaptés pour respecter des contraintes rigides (censure) et effectuer un apprentissage en contexte efficace pour des problèmes opérationnels.
Transfert Hors Ligne - En Ligne : Le travail fournit des conditions théoriques sous lesquelles la qualité prédictive hors ligne garantit la performance décisionnelle en ligne, comblant une lacune critique dans la recherche opérationnelle basée sur les données.

Les auteurs positionnent ce travail comme une étape vers une prise de décision "centrée sur la prédiction", où l'accent se déplace de l'estimation de paramètres vers la génération de complétions cohérentes de trajectoires latentes pour piloter des actions optimales.