Dérive de modèle
En anglais : Model drift
Baisse progressive de la qualité d'un modèle d'IA parce que les données du monde réel changent après son entraînement.
Exemple
Un modèle de détection de fraude entraîné avant l'essor du paiement mobile laisse passer de nouvelles arnaques : il a dérivé.
Notions liées
Date de coupure des connaissances
DébutantDate 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.
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.
Évals (évaluation de modèles)
IntermédiaireEnsemble de tests conçus pour mesurer de façon systématique la qualité, la fiabilité et la sécurité des réponses d’un modèle ou d’une application d’IA sur des tâches précises.
Machine learning (apprentissage automatique)
DébutantBranche de l’intelligence artificielle dans laquelle un programme apprend à accomplir une tâche à partir d’exemples, au lieu de suivre des règles entièrement écrites par un développeur.
MLOps / LLMOps
AvancéEnsemble de pratiques et d’outils qui industrialisent le cycle de vie des modèles d’IA, du développement au déploiement, puis à la surveillance et à la mise à jour en production.