DébutantModèles & LLM
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.
Un modèle apprend sur un corpus collecté jusqu’à un certain moment, puis passe des mois en entraînement, en tests et en déploiement : il est donc toujours en retard sur l’actualité, et ce retard grandit tant qu’il reste en service. Interrogé sur un fait récent, il peut l’ignorer, donner une information périmée ou inventer une réponse plausible. Pour compenser, les applications le connectent à une recherche web ou à un système de RAG, qui injectent des documents à jour dans sa fenêtre de contexte au moment de la question. C’est comme un voyageur revenu d’une longue expédition : il sait beaucoup de choses, mais doit lire les journaux pour se remettre à niveau.
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.