Oui, j’ai bien lu cet article intitulé Hands On Time Series Modeling of Rare Events, with Python, rédigé par Piero Paialunga. Il aborde une problématique centrale en analyse de séries temporelles : la gestion des événements extrêmes — souvent qualifiés à tort d’« outliers » — et leur traitement non pas comme des anomalies à ignorer, mais comme des signaux porteurs de sens à modéliser. L’auteur critique une pratique courante dans les équipes data : rejeter les valeurs extrêmes en disant qu’elles ne représentent que « 1 % du temps » ou qu’elles « ne font pas partie du processus normal ». Or, dans des contextes réels — comme la consommation énergétique d’une ville, les fluctuations financières ou les données météorologiques — ces pics ou creux extrêmes ont une signification concrète. Par exemple, une température anormalement élevée peut indiquer un pic de chaleur dangereux, nécessitant une intervention préventive. L’approche proposée est rigoureuse et structurée. Elle commence par une exploration préliminaire des données météorologiques (températures en Kelvin) pour plusieurs villes, suivie d’un nettoyage des données (gestion des NaN, conversion du format datetime). Ensuite, l’auteur définit clairement ce qu’est un « événement extrême » : ici, via une méthode de block maxima, où l’on extrait la valeur maximale sur des fenêtres temporelles (journalières, mensuelles, etc.). L’article justifie le choix de fenêtres journalières, car elles offrent un bon compromis entre nombre de points et richesse d’information. Le cœur du travail réside dans la modélisation statistique des valeurs extrêmes. Contrairement à une distribution gaussienne, qui échoue à capturer la queue lourde des données extrêmes, l’auteur utilise des distributions spécialisées : la loi Generalized Extreme Value (GEV), la Gumbel (cas particulier de la GEV) et la Weibull minimale. Ces distributions sont conçues pour décrire le comportement des maxima ou minima extrêmes dans des échantillons. Pour choisir la meilleure distribution, trois critères sont utilisés : la log-vraisemblance, le critère d’information d’Akaike (AIC) et le critère d’information bayésien (BIC). Ces métriques permettent de comparer les modèles tout en pénalisant la complexité. Le code implémenté dans la bibliothèque RareEventsToolbox automatise ce processus pour chaque ville du dataset. Les résultats montrent une excellente adéquation visuelle et statistique entre les données réelles et les distributions ajustées, confirmée par des graphiques Q-Q. L’analyse révèle que le meilleur modèle varie selon la ville : Dallas, Pittsburgh et Kansas City sont mieux décrites par une loi GEV, tandis que New York s’ajuste mieux à une Weibull minimale. Cette variation souligne l’importance de modéliser chaque contexte individuellement. En somme, l’article propose une alternative puissante à la gestion naïve des « outliers » : plutôt que de les ignorer ou de les tronquer avec des seuils, on les traite comme des événements rares mais significatifs, à modéliser avec des outils statistiques adaptés. Cette approche est particulièrement pertinente pour les systèmes critiques (santé, climat, finance) où les événements extrêmes ont un impact majeur. Évaluation des experts : Ce travail illustre parfaitement les principes de l’analyse des valeurs extrêmes (EVT, Extreme Value Theory), une discipline clé en statistique appliquée. L’utilisation de l’AIC/BIC et des tests graphiques (Q-Q) renforce la rigueur scientifique. Le code bien structuré et disponible sur GitHub (avec un dataset ouvert) en fait un excellent exemple pédagogique pour les data scientists souhaitant aller au-delà des méthodes classiques. L’approche est à la fois théoriquement solide et pratiquement utile, en particulier pour les applications environnementales ou industrielles où les pics de température, de pression ou de demande sont critiques.