--- sourceDocument: Australie : activer l’IA sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/intelligent-experiences Release : - australia ft:locale : - fr-FR ft:publication_title : - Australie : activer l’IA ft:clusterId : - platai bundleId : - platai workflow : - Platform --- # Explicabilité du modèle # Explicabilité du modèle {#ariaid-title1} * Rversion finale: Australia * * Mis à jour 12 mars 2026 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 3 minutes de lecture Analysez l'importance de chaque champ d'entrée pour les prédictions de votre modèle à l'aide de l'explicabilité du modèle. Créez un modèle de classification de workflow qui inclut une analyse graphique de l'importance des fonctionnalités en exécutant le script fourni. ## Avant de commencer * Cette méthode utilise l'API de solution de classification du workflow, au lieu du formulaire de définition de solution, pour créer et former un modèle avec explicabilité ajoutée. Pour plus d'informations sur les composants des modèles de classification des workflows, reportez-vous à la section [Créer et former une solution de classification](https://servicenow-prod.fluidtopics.net/tuFinMpIAi7MtruFYDAUJA "Spécifiez les enregistrements utilisés pour former une solution de classification, les champs qui déclenchent une prédiction et la fréquence à laquelle vous souhaitez reformer votre solution."). * Rôle requis : ml_admin ou admin ## Pourquoi et quand exécuter cette tâche L'explicabilité du modèle permet d'identifier les principales caractéristiques qui influencent les prédictions du modèle pendant l'entraînement. Remarque : L'explicabilité ne peut pas être ajoutée à un modèle existant. Cette méthode utilise un script pour créer et former un nouveau modèle de classification du workflow. Pour plus d'informations sur la création de scripts pour la création de solutions de classification, reportez-vous à la section [ClassificationSolution - Global](https://www.servicenow.com/docs/access?context=ClassificationSolutionAPI&version=australia&pubname=australia-api-reference&ft:locale=en-US). Le script fourni dans la procédure crée et forme un modèle dont l'explicabilité est définie sur vrai. Sur le formulaire de solution du nouveau modèle, un onglet supplémentaire intitulé Importance de la fonctionnalité s'affiche. Cet onglet propose un graphique de la contribution relative de chaque entrée à la prédiction. ## Procédure 1. Accédez à la TousDéfinition du systèmeScripts - Arrière-plan. 2. Modifiez le filtre de requête et les valeurs de table, de champ et de variables dans le script suivant en fonction de votre modèle planifié, puis exécutez le script. // Define a dataset var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName': 'incident', 'fieldNames': ['category', 'short_description', 'sys_updated_by', 'assignment_group', 'description', 'priority'], 'encodedQuery': 'activeANYTHING' }); // Define a classification solution definition with explainability field var mySolution = new sn_ml.ClassificationSolution({ 'label': 'model explainability', 'dataset': myIncidentData, 'predictedFieldName': 'category', 'inputFieldNames': ['short_description', 'priority'], //setting the explainability field to true. 'explainability': true, }); // Add solution to ClassificationSolutionStore var my_unique_name = sn_ml.ClassificationSolutionStore.add(mySolution) // Submit training job var solutionVersion = mySolution.submitTrainingJob(); Remarque : Remplacez le filtre de requête et les noms de table, de champ et de variable de ce script par vos propres valeurs. 3. Accédez à la table Solutions ML \[ml_solution\] et ouvrez votre nouvelle solution en sélectionnant la valeur de son champ Actif . 4. Sur le formulaire de solution, recherchez et ouvrez l'onglet Importance de la fonctionnalité . Importance de la fonctionnalité affiche une liste déroulante. * L'étiquette de cette liste déroulante est le nom de votre champ de sortie (prévu), l'étiquette est donc spécifique à chaque modèle. * Les valeurs de la liste déroulante sont les classes de sortie possibles pour votre champ de sortie, plus l'option Global . {#predictive-intel-explainability__ul_p4z_dzp_zdc} | Option Liste | Description | | Global | Fournit une vue d'ensemble du comportement du modèle dans toutes les prédictions, montrant l'impact global de chaque fonctionnalité en entrée. Sélectionnez Global pour ouvrir un graphique de l'importance de vos champs d'entrée pour les prédictions de toutes les classes de sortie dans leur ensemble. | | Votre valeur de classe de sortie | Se concentre sur le comportement du modèle pour la classe choisie uniquement, montrant comment les fonctionnalités en entrée contribuent aux prédictions pour chaque classe. Sélectionnez l'une des classes de sortie possibles pour ouvrir un graphique de l'importance de vos champs d'entrée pour les prédictions de cette classe. | |-|-| {#predictive-intel-explainability__choicetable_afh_pny_12c} 5. Lancez l'analyse graphique en sélectionnant une valeur dans la liste déroulante. L'axe Y affiche vos champs d'entrée et l'axe X indique l'importance numérique de chaque entrée. L'étiquette du graphique reflète la classe que vous avez choisie dans la liste déroulante. Vous pouvez passer la souris sur une barre pour afficher le pourcentage numérique de l'importance de chaque entrée. ## Résultats Une valeur d'importance positive signifie que le champ d'entrée augmente le score de prédiction du modèle. Une valeur négative signifie que le champ d'entrée diminue le score de prédiction. ## Que faire ensuite Envisagez de supprimer les champs d'entrée avec des scores d'importance faible. Reformez votre modèle après modification. **Concepts associés** * [Utilisation des API de machine learning](https://servicenow-prod.fluidtopics.net/ahXuFuRd4HpBvlRRrhn9gQ#using-ml-apis "Utilisez ServiceNow les API de machine learning (ML) pour entraîner des modèles de machine learning et exécuter des inférences.") **Tâches associées** * [Créer et former une solution de classification](https://servicenow-prod.fluidtopics.net/tuFinMpIAi7MtruFYDAUJA "Spécifiez les enregistrements utilisés pour former une solution de classification, les champs qui déclenchent une prédiction et la fréquence à laquelle vous souhaitez reformer votre solution.") **Information associée** * [ClassificationSolution - Global](https://www.servicenow.com/docs/access?context=ClassificationSolutionAPI&version=australia&pubname=australia-api-reference&ft:locale=en-US)