Glossaire

Pénurie de données

Qu’est-ce que Pénurie de données ?

On parle de pénurie de données lorsqu'une tâche d'IA ne dispose pas d'assez de données adaptées ou annotées pour entraîner ou tester un modèle de manière fiable. C'est le cas par exemple pour des défauts rares en production, des langues peu répandues ou de nouveaux produits sans historique de ventes. Parmi les solutions : l'apprentissage par transfert, les données synthétiques, l'augmentation de données ou des modèles de langage pré-entraînés qui donnent des résultats utiles avec peu d'exemples.

Thèmes

données d'entraînement
qualité des données
apprentissage automatique

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Données synthétiques

Les données synthétiques sont générées artificiellement au lieu d'être collectées dans le monde réel, tout en reproduisant leurs régularités et propriétés. Elles sont utiles lorsque les données réelles sont rares, coûteuses ou sensibles au regard de la protection des données, par exemple pour tester un logiciel, entraîner des modèles ou éprouver un chatbot avec des demandes réalistes. Veillez à ce qu'elles reflètent suffisamment la réalité et ne permettent pas d'identifier de vraies personnes.

données de test
protection des données
+1

Modèle

Apprentissage par transfert

Dans l'apprentissage par transfert (transfer learning), un modèle déjà entraîné sur une vaste tâche générale sert de point de départ pour une tâche nouvelle et spécialisée. Au lieu de repartir de zéro, on l'adapte, par exemple par réglage fin, avec relativement peu de données propres. On économise ainsi temps de calcul et données, par exemple lorsqu'un modèle d'images généraliste doit apprendre à repérer des défauts de fabrication sur des photos.

Machine learning
Entraînement
+1

Apprentissage few-shot

L’apprentissage few-shot désigne la capacité d’un modèle à résoudre une tâche à partir de quelques exemples seulement. Avec les modèles de langage, cela se fait généralement dans l’entrée : on montre deux ou trois paires question/réponse souhaitée, et le modèle reprend le format et le style pour les nouveaux cas, sans réentraînement. Exemple : trois demandes clients correctement classées suffisent souvent pour que les suivantes soient triées selon le même schéma.

Prompting
Exemples
+1

Données d'entraînement

Les données d'entraînement sont les exemples à partir desquels un modèle d'IA apprend des régularités : de vastes corpus de textes pour les modèles de langage, des images annotées pour les modèles de vision. Leur qualité, leur diversité et leur actualité déterminent largement la fiabilité, l'équité et le niveau de connaissances d'un modèle. Pour une entreprise, il importe aussi de savoir si un fournisseur réutilise vos données clients pour l'entraînement.

Données
Entraînement
+1