Données d’entraînement

Un modèle d’IA n’est pas programmé règle par règle : il ajuste ses paramètres en observant un grand nombre d’exemples. La quantité, la diversité et la qualité de ces données déterminent largement ce qu’il saura faire, mais aussi ses erreurs et ses biais. On les sépare généralement des données de validation et de test, qui servent à vérifier le modèle sur des exemples qu’il n’a jamais vus. C’est un peu comme les exercices corrigés d’un manuel : un élève qui n’a travaillé que des exercices mal choisis ou erronés risque de mal comprendre la matière.