🚀 Lancement Officiel Bientôt !

Inscrivez-vous pour être notifié et accéder en avant-première aux nouvelles fonctionnalités

Gestion des Cookies
Nous utilisons des cookies pour améliorer votre expérience sur notre site

Nous utilisons des cookies essentiels pour le fonctionnement du site, ainsi que des cookies analytiques pour comprendre comment vous utilisez notre plateforme. Vous pouvez choisir d'accepter tous les cookies ou de personnaliser vos préférences. Pour plus d'informations, consultez notre Politique de Confidentialité.

Observatoire TMT & Finance

Dashboard de Confiance Statistique

Évaluation de la qualité et robustesse des données de l'Observatoire TMT & Finance

Méthodologie v2.0 - Économétrie appliquée avec intervalles de confiance et gestion de l'incertitude

Score Moyen de Confiance
77/100

Moyenne pondérée sur 8 innovations

Fiabilité Haute
4

Innovations avec score ≥75

Fiabilité Faible
0

Innovations avec score <50

Qualité des Données par Innovation
Gradient rouge (IC large, données rares) → vert (IC serré, données robustes)
IA Générative92/100
Fiabilité Haute
Cloud Hybride & Multi-Cloud91/100
Fiabilité Haute
Cybersécurité Zero Trust89/100
Fiabilité Haute
Datacenters Verts76/100
Fiabilité Haute
Edge Computing74/100
Fiabilité Moyenne
Satellites LEO73/100
Fiabilité Moyenne
Câbles Sous-Marins61/100
Fiabilité Moyenne
Quantum Computing61/100
Fiabilité Moyenne

Légende :

Haute (≥75)
Moyenne (50-74)
Faible (<50)

Score calculé : Taille échantillon (30%) + Complétude (40%) + Largeur IC (30%)

Audit des Données
Métriques de qualité et résultats des améliorations appliquées (Phase 79)

Métriques de Qualité Globales

Complétude
99.8%
2643/2609 transactions avec données complètes
Précision
98.5%
Montants et dates validés
Fraîcheur
100%
Mise à jour décembre 2025

Résultats des 6 Améliorations de Qualité

1. Enrichissement Dates Transactions
2162 dates complètes (+45 vs original), 299 mois de données vs 16 avant. MAE amélioré de 66%, RMSE de 62%
2. Modèle Prophet avec Dates Enrichies
Prévisions 2026-2027 avec intervalles de confiance 80% et 95%. Modèle baseline conservé (variables exogènes dégradent performances)
3. Base Exhaustive 518 Transactions
$4,236.4B volume total. Couverture complète deals > $100M : SaaS (11 mega-deals), Câbles (16 deals), Edge (9 deals), IA (40+ deals)
4. Intervalles de Confiance Bootstrap
Méthode bootstrap percentile avec 1000 itérations pour IC 80% non-paramétriques. Robuste aux distributions non-normales
5. Score de Confiance Composite
Agrégation pondérée : 30% taille + 40% complétude + 30% IC. Score moyen 77/100 sur 8 innovations
6. Heatmap de Qualité
Visualisation gradient rouge (IC large, données rares) → vert (IC serré, données robustes) par innovation

Distribution de Qualité par Champ

Montants (amount_usd)100%
Dates (date)99.8%
Secteurs (sector)100%
Géographie (country)98.2%
Acquéreurs (acquirer)95.7%
Méthodologie de Calcul
Approche économétrique pour quantifier l'incertitude statistique

Intervalles de Confiance (IC 80%)

Les intervalles de confiance sont calculés par méthode bootstrap percentileavec 1000 itérations. Cette approche non-paramétrique est robuste aux distributions non-normales et ne nécessite pas d'hypothèses sur la forme de la distribution sous-jacente.

IC 80% = [P₁₀(bootstrap), P₉₀(bootstrap)]
où P₁₀ et P₉₀ sont les 10ᵉ et 90ᵉ percentiles des échantillons bootstrap

Interprétation : Il y a 80% de probabilité que la vraie valeur du score se situe dans l'intervalle [lower, upper]. Un IC large indique une forte incertitude.

Score de Confiance Composite

Le score de confiance agrège trois dimensions de qualité des données selon une moyenne pondérée :

Score = 0.30 × S_taille + 0.40 × S_complétude + 0.30 × S_IC

S_taille (30%)

Échelle logarithmique saturée à 100 transactions. Pénalise fortement les échantillons <10.

S_complétude (40%)

Proportion de champs renseignés (prix, dates, secteurs). Poids le plus élevé car impact direct sur fiabilité.

S_IC (30%)

Inversement proportionnel à la largeur de l'IC. IC serré = score élevé.

Niveaux de Fiabilité

Haute (≥75)

Données robustes avec échantillon large et IC serré. Utilisable pour décisions stratégiques.

Moyenne (50-74)

Données acceptables mais avec incertitude modérée. Croiser avec analyses qualitatives.

Faible (<50)

Données limitées, échantillon petit ou IC large. Interpréter avec grande prudence.

Références Académiques

  • Efron, B., & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman and Hall/CRC. Méthode bootstrap percentile pour IC non-paramétriques.
  • DiCiccio, T. J., & Efron, B. (1996). Bootstrap Confidence Intervals. Statistical Science, 11(3), 189-228. Propriétés théoriques des IC bootstrap.
  • Davison, A. C., & Hinkley, D. V. (1997). Bootstrap Methods and their Application. Cambridge University Press. Applications pratiques en économétrie.