Glossaire

Apprentissage zero-shot

Qu’est-ce que Apprentissage zero-shot ?

L'apprentissage zero-shot signifie qu'un modèle peut accomplir une tâche sans en avoir vu d'exemples concrets au préalable. Les grands modèles de langage réalisent ainsi une traduction ou une classification à partir de la seule description figurant dans le prompt. Si la qualité ne suffit pas, l'apprentissage few-shot aide souvent : vous ajoutez quelques exemples de la réponse attendue.

Ce que fait KI.ordo

Les agents KI.ordo accomplissent de nombreuses tâches à partir de leurs seules instructions ; ajouter des exemples aux instructions peut améliorer les résultats de façon ciblée.

En savoir plus →

Thèmes

LLM
Prompting
Notions de base

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

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

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

Prompt

Un prompt est l'entrée qui indique à un modèle d'IA ce qu'il doit faire : une question, une tâche ou une consigne, souvent accompagnée de contexte, d'exemples et du format souhaité. La qualité de la réponse dépend fortement de la clarté et de la complétude du prompt. Par exemple, plutôt que « Écris quelque chose sur notre produit », préférez « Rédige trois avantages courts du produit X pour les artisans, ton factuel ».

prompting
entrée
+1

Modèle

Grand modèle de langage (LLM)

Un grand modèle de langage (Large Language Model, LLM) est un réseau de neurones entraîné sur de très grands volumes de texte, ce qui lui permet de comprendre et de produire du langage. Il fonctionne en calculant, pas à pas, le jeton suivant le plus probable. Les LLM rédigent, résument, traduisent, répondent à des questions et génèrent du code ; Claude, GPT, Gemini et Llama en sont des exemples connus. Sans sources à jour, ils ne connaissent que leurs données d’entraînement.

Modèles de langage
IA générative
+1