Données d’entraînement
En anglais : Training data
Ensemble d’exemples, textes, images, sons ou tableaux, à partir desquels un modèle d’IA apprend à reconnaître des régularités et à produire des réponses.
Exemple
Pour créer un outil qui trie automatiquement les e-mails du service client, une entreprise rassemble plusieurs milliers de messages passés déjà classés par catégorie, qui serviront de données d’entraînement.
Notions liées
Annotation de données
DébutantTravail consistant à ajouter des étiquettes à des données brutes, par exemple une catégorie, une transcription ou un cadre autour d’un objet, pour guider l’apprentissage d’un modèle.
Biais algorithmique
DébutantErreur systématique d’un système automatisé qui produit des résultats injustement défavorables ou favorables à certains groupes de personnes, souvent hérités des données ou des choix de conception.
Contamination des benchmarks
AvancéSituation où des questions ou réponses d’un benchmark se retrouvent dans les données d’entraînement d’un modèle, ce qui gonfle artificiellement son score lors de l’évaluation.
Données synthétiques
IntermédiaireDonnées produites artificiellement, par un modèle d’IA ou une simulation, plutôt que collectées dans le monde réel, et utilisées pour entraîner, ajuster ou évaluer des modèles.
Jeux de validation et de test
IntermédiairePortions de données mises de côté pendant l’entraînement, servant d’abord à régler le modèle (validation), puis à mesurer une seule fois sa performance finale sur des exemples jamais vus (test).
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.