Pour résoudre les problèmes de fiabilité et de stabilité des méthodes d'intelligence artificielle explicable (XAI) dans les environnements pauvres en données, cet article propose l'apprentissage par transfert basé sur les instances (ITL-LIME), qui intègre l'apprentissage par transfert basé sur les instances au cadre LIME. Pour résoudre les problèmes de localité et d'instabilité causés par les perturbations et l'échantillonnage aléatoires dans les systèmes LIME conventionnels, nous exploitons des instances réelles issues de domaines sources connexes pour faciliter l'explication des domaines cibles. Nous regroupons les domaines sources, récupérons les instances pertinentes des clusters dont les prototypes sont les plus similaires aux instances cibles et les combinons avec les instances voisines de l'instance cible. Nous pondérons les instances à l'aide d'un encodeur basé sur l'apprentissage contrastif et entraînons un modèle de substitution utilisant les instances sources et cibles pondérées pour générer des explications.
