HELM 0.2.0rc6 — Python 3.13 et NumPy 2

Version 0.2.0rc6

HELM accepte désormais Python 3.13 avec NumPy 2. Python 3.10 à 3.12
conserve NumPy 1 afin de préserver les environnements existants. Python 3.14
n’est pas couvert par cette version.

La recette couvre l’interface locale, SHAP, LIME, les backends natifs Integrated
Gradients et Anchors, ainsi que XGBoost, LightGBM, GLM binomial et GAM logistique
sur des données synthétiques. Les workflows CI ajoutent Python 3.13 aux contrôles
de bibliothèque, d’interface et de modèles tabulaires.

Les versions contraintes de recette sont décrites dans
requirements/constraints-py312.txt et requirements/constraints-py313.txt.
Les tests de compatibilité logicielle ne constituent pas une validation de la
qualité d’un modèle de toxicité ni une étude utilisateur.

HELM 0.2.0rc5 — classifieurs tabulaires et adaptateurs statistiques

Version 0.2.0rc5

L’extension tabulaire ajoute BinaryProbabilityAdapter.from_glm et from_gam
pour expliquer les probabilités de GLM binomiaux statsmodels et GAM logistiques
pyGAM déjà ajustés. Le prétraitement entraîné est conservé ; le seuil de décision
et les libellés des deux classes sont explicites.

Les extras boosting et statistics installent les bibliothèques correspondantes.
Une recette reproductible teste XGBoost, LightGBM, GLM et GAM sur des données
synthétiques mixtes, avec SHAP/LIME et les quatre profils. Elle est ajoutée à la CI.
Voir le guide.

Le moteur de toxicité et l’interface restent inchangés. Cette version n’ajoute
pas la régression, les GLM avec formule/offset/exposition, les GAM non logistiques,
les Booster bruts ou Spark ML. Les tests logiciels ne valent pas validation
humaine ou métier ; Databricks reste à vérifier sur un Runtime cible.

HELM 0.2.0rc4

HELM 0.2.0rc4 corrige la présentation publique et retire les documents de travail spécifiques à un projet. Les exemples tabulaires utilisent des données synthétiques ; les exemples historiques de toxicité sont conservés et signalés comme tels.

Le moteur de calcul est inchangé. Une fixture de test conserve explicitement les catégories None/NaN sous pandas 3. Vérifications locales : 175 tests Python réussis, 8 tests JavaScript réussis, métadonnées wheel/sdist valides, manifeste source et archives contrôlés.

Installation : python -m pip install "helm-xai[ui]==0.2.0rc4", puis helm-ui.

Candidate de recherche : les tests logiciels ne remplacent pas la validation humaine ou les essais Databricks.