L'interprétabilité de modèles d'apprentissage automatique est un sujet de plus en plus sensible. Des travaux récents proposent de quantifier les contributions des variables d'un modèle prédictif en s'appuyant sur les valeurs de Shapley. Dans cet article, nous recensons différentes fonctions caractéristiques utilisées dans le calcul des valeurs de Shapley, pour quantifier le pouvoir prédictif direct ou indirect des variables, ou encore leur influence causale. Nous présentons ensuite des techniques ce calcul pourévaluer et appliquer les valeurs de Shapley dans le domaine des réseaux bayésiens. Enfin, l'article propose de promouvoir les valeurs de Shapley comme une articulation entre ces deux facettes de l'apprentissage statistique que forment d'un côté, les modèles prédictifs et de l'autre, les modèles graphiques.