Au-delà de la précision : quantifier la fragilité en production causée par les variables excessives, redondantes et peu informatives en régression

Ajouter davantage de variables à un modèle de régression peut sembler bénéfique, mais en pratique cela introduit des risques structurels cachés : instabilité des coefficients, signaux faibles confondus avec de vrais patterns, et fragilité accrue en production due aux dépendances multiples sur les pipelines de données. Lorsque des variables sont corrélées ou peu informatives, l'optimiseur peine à distribuer les poids de manière cohérente, rendant le modèle imprévisible au déploiement. L'article illustre ce problème avec un dataset de prix immobiliers en comparant des modèles "tout-en-un" à des alternatives plus sobres et stables, en utilisant Ridge Regression, scikit-learn et pandas.