TabICL local

Comparer deux moyennes ne prouve rien. La première évaluation opposait le score moyen du nouveau modèle à celui du baseline. L'écart existait, mais le bruit entre plis était du même ordre — la comparaison ne tranchait pas. Le gate évalue désormais les deux modèles sur des plis identiques et raisonne sur l'écart apparié, bien moins bruité.

Un bon score ne suffit pas si les probabilités mentent. Un classifieur peut avoir raison souvent tout en étant systématiquement trop confiant. C'est invisible sur une matrice de confusion et fatal dès qu'on utilise la probabilité pour décider d'un seuil. D'où la calibration comme critère de sortie au même titre que la performance.

Un gate qui n'échoue pas ne sert à rien. L'outil extrait, tabgate, sort en code non nul sur régression. Sans ça, c'est un rapport de plus que personne ne lit.