Les forêts aléatoires, introduites par Breiman en 2001, sont devenues un outil standard en apprentissage statistique pour la classification et la régression. D'autres objectifs peuvent être recherchés : estimation de quantiles conditionnels, estimation de "l'effet de traitement moyen conditionnel" - CATE - par exemples. Après avoir rappelé les principes de construction des forêts aléatoires, nous nous intéresserons plus particulièrement aux forêts causales pour estimer le CATE. Nous présenterons quelques résultats théoriques, simulations et application à des données.
Cet exposé est inspiré de travaux communs avec Kevin Elie-Dit-Cosaque, Bérénice-Alexia Jocteur, Clémentine Prieur, Pierre Ribereau, Ri Wang.
Valentina Busuioc et Marc Munsch
