| Résumé | Dans un article influent paru en 1988 dans la revue <em>Machine Learning</em> et intitulé <em>Machine Learning as an Experimental Science</em>, Langley soutenait de façon convaincante que les essais de performances devraient susciter plus d'intérêt. On constate depuis lors que l'accent porte de plus en plus sur ces essais. De nos jours, pour qu'une présentation soit acceptée par l'une des principales conférences ou revues scientifiques, elle doit normalement comporter une importante section expérimentale, assortie de nombreux tableaux de résultats, et se terminer par un test statistique. En réexaminant cet article, j'en arrive à la conclusion que nous avons négligé la plupart de son contenu. Nous nous sommes concentrés, dans une large mesure, sur le seul aspect de la vérification d'hypothèses et, même là, dans un sens plutôt restreint. Cette démarche procure des résultats beaucoup moins riches que ne le pensent bien des gens. Je suis d'avis que ces vérifications ne présentent qu'une utilité limitée lorsqu'il s'agit de comparer des algorithmes ou de réaliser des progrès dans notre domaine. Pour cette raison, elles ne devraient pas jouer un rôle aussi prédominant dans notre travail et nos publications. |
|---|
