Piège
Sur MNIST 10 classes équilibrées, baseline aléatoire = 10%. 90% = bon. Mais sur un dataset déséquilibré (99% classe A, 1% classe B), un classifieur qui prédit toujours A atteint 99% — totalement inutile. L'accuracy est contextuelle. MPSI doit toujours regarder la baseline (random + majoritaire) avant de juger.