L’exactitude (Accuracy) est l’indicateur d’évaluation le plus fondamental et le plus couramment utilisé pour les tâches de classification et de décision. Elle calcule la proportion d’échantillons dont les prédictions correspondent exactement aux étiquettes réelles par rapport au nombre total d’échantillons, reflétant ainsi de manière intuitive la justesse globale du modèle. Elle est généralement rapportée sous forme de pourcentage ou d’une note comprise entre 0 et 1, une valeur plus élevée étant préférable. Cet indicateur est fiable lorsque les classes sont équilibrées ; en cas de déséquilibre sévère des classes, il est recommandé de l’associer au Macro-F1, au MCC ou à l’AUROC. Largement utilisé dans les benchmarks et les articles de recherche pertinents, il facilite la comparaison horizontale entre différentes méthodes ou versions de modèles.