Lab5 Track1-LangChain : l'etape Machine Learning s'entraine sur 4 echantillons et teste sur 2 (precision 1.00 non informative) #19624

Part of #17387

Le constat mesuré

Day3-Data-Agents/Labs/Lab4-DataWrangling/transactions.csv porte 6 lignes de données (wc -l = 7, en-tête compris). Le Lab5-Viz-ML charge ce fichier et construit dessus sa première étape de Machine Learning :

• la cellule de préparation affiche Donnees preparees : 4 echantillons d'entrainement, 2 de test ;
• la cellule d'entraînement affiche Précision du modèle : 1.00.

Une précision de 1.00 sur deux exemples de test ne mesure rien : elle dit qu'un modèle à peine contraint a bien classé les deux points qu'on lui a laissés. L'étape « Machine Learning » du Lab 5 est donc, en l'état, une démonstration dégénérée — le moteur (régression logistique scikit-learn) y est équivalent à une baseline triviale.

C'est le critère Prong B de sota-not-workaround.md : « Problème dégénéré — moteur démontré sur un cas trivial où le SOTA équivaut à une baseline ».

Ce qui a déjà été fait

La PR d'audit du Lab 5 (#17387) a corrigé la cellule d'interprétation, qui proposait des seuils de lecture (> 0,7 / 0,4-0,7 / < 0,4) sans lire la sortie committée : elle lit désormais la précision réellement mesurée et déclare explicitement que sur 6 lignes elle ne mesure rien. Le notebook est donc honnête ; il n'est pas pour autant démonstratif.

Ce qui reste à trancher

Trois voies, à arbitrer :

1. Élargir transactions.csv — c'est la voie qui rend l'étape réellement démonstrative. Le fichier est un artefact committé (il n'est pas généré à l'exécution), donc modifiable. À vérifier d'abord : le Lab 4 ne dépend-il pas de cette petite taille pour ses propres exercices de nettoyage (la ré-application du nettoyage dans le Lab 5, cellules 1-2, suppose des valeurs manquantes et des types à corriger) ?
2. Assumer la taille et déplacer l'ambition — garder la démonstration comme un aperçu du geste (train_test_split, fit, predict, accuracy_score) sans prétendre à un résultat, le vrai travail supervisé restant aux labs suivants.
3. Basculer sur un jeu plus riche pour la seule étape ML (un sklearn.datasets classique), le transactions.csv restant le fil des étapes data.

Portée

Concerne le Lab 5 du Track 1 (LangChain) et, par le fichier, le Lab 4 qui le produit. Hors périmètre de l'audit de structure en cours sur ces carnets.