Date de coupure des connaissances
En anglais : Knowledge cutoff
Date au-delà de laquelle les données d’entraînement d’un modèle s’arrêtent, de sorte qu’il ignore par lui-même les événements, publications et évolutions survenus ensuite.
Exemple
Un assistant sans accès au web ignore le résultat d’une élection récente ; une fois la recherche web activée, il cite des articles publiés le jour même.
Notions liées
Ancrage (grounding)
IntermédiairePratique qui consiste à appuyer les réponses d’un modèle d’IA sur des sources identifiables et vérifiables (documents, bases de données, résultats de recherche) plutôt que sur sa seule mémoire d’entraînement.
Données d’entraînement
DébutantEnsemble d’exemples, textes, images, sons ou tableaux, à partir desquels un modèle d’IA apprend à reconnaître des régularités et à produire des réponses.
Hallucination
DébutantRéponse produite par un modèle d’IA qui paraît plausible et assurée, mais qui contient des informations fausses, inventées ou non étayées par ses sources.
Pré-entraînement
IntermédiairePremière phase d’entraînement, la plus longue et la plus coûteuse, au cours de laquelle un modèle acquiert des connaissances générales à partir d’un très grand volume de données non annotées.
RAG (génération augmentée par récupération)
IntermédiaireArchitecture qui, avant de générer une réponse, recherche dans une collection de documents les passages pertinents et les fournit au modèle de langage comme contexte.
Recherche approfondie (deep research)
DébutantMode de certains assistants IA qui mène de façon autonome une recherche en plusieurs étapes sur le web ou dans des documents, puis rédige un rapport synthétique avec ses sources.