Cet article explore la prédiction conforme (PC), qui génère un petit ensemble de prédictions pour contrôler l'incertitude de prédiction d'un système de classification. La PC fonctionne en définissant un score basé sur les prédictions du modèle et en utilisant un ensemble de validation pour fixer un seuil pour ce score. Cette étude aborde le problème d'étalonnage de la PC lorsque seul un ensemble de validation contenant des étiquettes bruyantes est disponible. Nous proposons une méthode d'estimation de seuils conformes sans bruit à partir de données d'étiquettes bruyantes et en déduisons une garantie de couverture d'échantillon fini pour un bruit uniforme, efficace même pour les tâches comportant de nombreuses classes. Nous appelons cette méthode « Prédiction conforme sensible au bruit » (NACP). Nous démontrons les performances de la méthode proposée sur plusieurs jeux de données de classification d'images standard.
