1. Répondez à
5 questions
?
✓
✓
✓
○
Répondez à 5 questions. Mon moteur bayésien calcule en temps réel votre probabilité d'appartenance à chacun de mes 6 formats d'intervention, puis pondère le résultat par mes préférences personnelles pour produire un score de fit qui mesure à quel point votre besoin m'attire.
1. Répondez à
····›
2. Mon moteur
bayésien
β
Calcule en temps réel
votre probabilité
d’appartenance à
chaque format
····›
3. Probabilités
par format
◉ Vision produit82%
⬡ Architecture64%
♙ Usages & valeur48%
♢ Conformité36%
☼ Signal faible28%
◎ Décision & priorisation56%
····›
4. Pondération par
mes préférences
Chaque probabilité
est ajustée selon
mes préférences
personnelles
····›
5. Score de fit
78/100
Un score de fit qui
mesure à quel point
votre besoin m’attire
★★★★★
☷Vos réponses
×
βMoteur bayésien
=
▮▮▮Probabilités
par format
×
par format
☰Mes préférences
=
◔Score de fit
BAYESIAN INFERENCE + FIT SCORE / LOCAL · v5.0
FIT-IT
calcul local · aucune donnée envoyée
Question 1 / 5
0%
/ RÉSULTAT D'INFÉRENCE
EN ATTENTE
SCORE DE FIT
0/100
en attente
Exploration en cours
050100
FAIBLE COMPATIBILITÉMOYENNETRÈS FORTE
Répondez aux 5 questions pour générer une lecture probabiliste de votre besoin.
1. Modèle utilisé
Classifieur bayésien naïf à 6 classes (formats d'intervention), 5 features (vos réponses). Probabilités
calculées via théorème de Bayes avec lissage de Laplace (α=1).
P(profil | réponses) = P(profil) × ∏ P(réponse_i | profil) / Z
Z est la constante de normalisation pour que ∑
P(profil) = 1.
2. Priors P(profil) - fréquence des missions dans mon historique
3. Vos réponses - likelihoods P(réponse | profil)
Chaque cellule = probabilité que ce profil de
mission corresponde à votre réponse. Plus la valeur est haute, plus la réponse "vote" pour ce profil.
4. Distribution postérieure (calcul final)
5. Score de fit - préférence × valeur financière
Le score de fit intègre deux dimensions :
l'attractivité personnelle du format de mission (préférence) et sa valeur financière estimée (jours × TJM
base). Les deux sont combinés en un score composite pondéré à 60% / 40%, puis pondéré par la distribution
bayésienne. Des ajustements s'appliquent selon la qualité du sponsor et la présence de signaux complexes.
composite(profil) = 0.6 × préférence + 0.4 × (valeur_mission / valeur_max × 100)
fit = Σ P(profil) × composite(profil) + bonus_humain + pénalité_sponsor + bonus_confiance
6. TJM dynamique - décomposition multiplicative
TJM = TJM_base × C_urgence × C_sponsor × C_sensibilité × C_complexité7. Confiance & incertitude
H(P) = −∑ P(profil) × log₂ P(profil)Plus l'entropie est basse, plus le modèle est
"sûr" du profil dominant. Confiance = 1 − H/H_max.
Radar de maturité