Configurer un moteur

Cette page présente brièvement les concepts de configuration d'un moteur.

Cette page est valable pour les versions du moteur appartenant aux groupes de versions majeures suivants. Pour afficher la page d'autres versions du moteur, utilisez le sélecteur en haut de cette page.

Voici un récapitulatif des modifications apportées aux versions du moteur v003 à v004 (jusqu'à v004.008) :

  • Ajout de partiesCount et identifiedPartiesCount aux valeurs des métriques ExpectedRecallPreTuning et ExpectedRecallPostTuning.

Sources d'hyperparamètres acceptées

Lorsque vous configurez un moteur, vous pouvez sélectionner la source des hyperparamètres utilisés pour créer un modèle. Les sources suivantes sont acceptées :

  • Réglage automatique : AML AI règle les hyperparamètres lorsque vous créez une ressource EngineConfig (comportement par défaut).
  • Hériter : hérite des hyperparamètres d'une configuration de moteur précédente qui a été créée avec une version de moteur antérieure dans la même version de réglage. Ce paramètre vous permet d'éviter de réajuster chaque fois que vous adoptez une nouvelle version du moteur de modèle.

Quand ajuster ou hériter

Les sections suivantes expliquent quand sélectionner le réglage automatique et quand hériter des hyperparamètres d'une configuration de moteur précédente.

Quand optimiser

Vous pouvez ajuster chaque nouvelle configuration du moteur. En cas de doute, vous devez toujours l'ajuster pour obtenir les meilleures performances. Pour en savoir plus, consultez la section Comment ajuster un moteur.

Pour des performances optimales, vous devez envisager de régler le moteur dans les cas suivants :

  • Vous apportez des modifications importantes à la logique de l'ensemble de données. Par exemple, lorsque l'un des éléments suivants change :
    • La logique selon laquelle les champs sont renseignés
    • La sélection des champs RECOMMANDÉS qui sont renseignés
    • Logique ou sélection des données fournies dans la table PartySupplementaryData
  • Vous êtes sur le point de faire entraîner un modèle par un moteur pour une nouvelle région.

Quand hériter des hyperparamètres

Pour gagner du temps et réduire les coûts lorsque vous adoptez une nouvelle version du moteur, vous pouvez hériter des hyperparamètres d'un moteur précédent utilisant la même version d'optimisation. Consultez la section Adopter une version du moteur sans réajuster les paramètres.

Les versions de moteur avec la version de réglage v003 et celles publiées avant le 22/02/2024 ne sont pas compatibles avec l'héritage des hyperparamètres, mais elles peuvent être utilisées comme source d'hyperparamètres.

Régler un moteur

Pour déclencher l'optimisation, consultez Créer et gérer des configurations de moteur.

Vous devez notamment sélectionner les éléments suivants :

  • Données à utiliser pour l'optimisation du moteur :

    Spécifiez un ensemble de données et une heure de fin dans la plage de dates de l'ensemble de données.

    L'optimisation du moteur utilise des libellés et des fonctionnalités basés sur des mois calendaires complets jusqu'au mois de la date de fin sélectionnée, mais sans l'inclure. Pour en savoir plus, consultez Périodes des ensembles de données.

  • Version du moteur à utiliser pour l'optimisation du moteur :

    Sélectionnez une version du moteur correspondant au secteur d'activité (commerce ou secteur commercial) pour lequel vous utiliserez les modèles associés.

  • Volume d'investigations attendu en fonction des modèles :

    Spécifiez partyInvestigationsPerPeriodHint. Cela permet au réglage, à l'entraînement et au backtesting du moteur de s'assurer qu'AML AI offre des performances adaptées à votre volume d'investigations mensuel.

Sortie du réglage du moteur

Le réglage du moteur génère une ressource EngineConfig, qui peut être utilisée pour créer une ressource Model.

Les métadonnées de configuration du moteur contiennent les métriques suivantes. En particulier, ces métriques vous indiquent les éléments suivants :

  • Gain de performances attendu grâce au réglage du moteur par rapport à l'utilisation des hyperparamètres par défaut

  • Mesures permettant d'évaluer la cohérence de l'ensemble de données (par exemple, en comparant les valeurs manquantes des familles de caractéristiques de différentes opérations)

Nom de la métrique Description de la métrique Exemple de valeur de métrique
ExpectedRecallPreTuning Métrique de rappel mesurée sur un ensemble de test lorsque vous utilisez les hyperparamètres par défaut de la version du moteur.

Cette mesure du rappel suppose le nombre d'investigations par mois spécifié dans partyInvestigationsPerPeriodHint. 

{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.72,
      "partiesCount": 100,
      "identifiedPartiesCount": 72,
      "scoreThreshold": 0.42,
    },
  ],
}
ExpectedRecallPostTuning Métrique de rappel mesurée sur un ensemble de test lors de l'utilisation d'hyperparamètres réglés.

Cette mesure du rappel suppose le nombre d'investigations par mois spécifié dans partyInvestigationsPerPeriodHint. 

{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.80,
      "partiesCount": 100,
      "identifiedPartiesCount": 80,
      "scoreThreshold": 0.43,
    },
  ],
}
Données manquantes

Part des valeurs manquantes pour toutes les caractéristiques de chaque famille de caractéristiques.

Dans l'idéal, toutes les familles de fonctionnalités d'IA de lutte contre le blanchiment d'argent doivent avoir une valeur manquante proche de 0. Des exceptions peuvent se produire lorsque les données sous-jacentes à ces familles de fonctionnalités ne sont pas disponibles pour l'intégration.

Une variation importante de cette valeur pour une famille de caractéristiques entre le réglage, l'entraînement, l'évaluation et la prédiction peut indiquer une incohérence dans les ensembles de données utilisés. 

{
  "featureFamilies": [
    {
      "featureFamily": "unusual_wire_credit_activity",
      "missingnessValue": 0.00,
    },
    ...
    ...
    {
      "featureFamily": "party_supplementary_data_id_3",
      "missingnessValue": 0.45,
    },
  ],
}

Adopter une version du moteur sans réoptimisation

Pour réutiliser les hyperparamètres d'une configuration de moteur précédente, consultez la section Créer une configuration de moteur qui hérite des hyperparamètres sur la page Créer et gérer des configurations de moteur. Vous devez notamment sélectionner les éléments suivants :

  • Type de source d'hyperparamètre : sélectionnez INHERITED comme hyperparameterSourceType. Si vous ne spécifiez pas le type de source, le type de source de l'hyperparamètre est défini sur TUNING pour assurer la rétrocompatibilité.
  • Source de l'hyperparamètre : spécifiez le nom complet de la ressource de la configuration du moteur source dans l'objet hyperparameterSource. Les sorties de la configuration du moteur source sont utilisées pour la nouvelle configuration du moteur. La configuration du moteur source doit avoir été créée avec une version antérieure du moteur dans la même version du moteur de réglage que celle que vous utilisez actuellement.
  • Version du moteur à utiliser pour la configuration du moteur : Sélectionnez une version du moteur qui correspond au secteur d'activité (commerce ou vente) des modèles que vous souhaitez utiliser. Si vous héritez des hyperparamètres, le secteur d'activité doit correspondre à celui utilisé pour la source des hyperparamètres.

Sortie et traçabilité lors de l'héritage

L'héritage des hyperparamètres d'une autre version du moteur crée une ressource EngineConfig qui peut être utilisée pour créer une ressource Model à l'aide des hyperparamètres de la configuration du moteur source.

Pour l'ascendance, les champs suivants de la ressource EngineConfig sont définis comme suit lors de l'héritage des hyperparamètres d'une autre configuration du moteur :

  • hyperparameterSourceType : INHERITED
  • hyperparameterSource : configuration du moteur utilisée comme source d'hyperparamètres
  • tuning : objet tuning d'origine, y compris la référence à l'ensemble de données utilisé pour le réglage du moteur d'origine (primaryDataset) et la dernière heure à partir de laquelle les données ont été utilisées pour générer des caractéristiques pour l'entraînement (endTime)
  • performanceTarget : objet performanceTarget d'origine, y compris le volume d'investigations attendu en fonction des modèles spécifiés (partyInvestigationsPerPeriodHint)
  • Métadonnées de configuration du moteur issues du réglage d'origine du moteur