Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Surapprentissage
Phénomène où un modèle apprend excessivement les détails et le bruit des données d'entraînement, au détriment de sa capacité à généraliser sur de nouvelles données.
Dérive de modèle
Dégradation progressive des performances d'un modèle d'IA due aux changements dans les distributions des données ou des relations entre les variables au fil du temps.
Biais de feedback
Biais auto-renforçant où les prédictions d'un modèle influencent les données futures, créant une boucle qui amplifie les distorsions initiales.
Biais d'évaluation
Distorsion introduite lors de l'évaluation des performances du modèle, souvent due à des métriques inappropriées ou des ensembles de test biaisés.
Biais de temporalité
Biais résultant de l'utilisation de données collectées sur des périodes différentes, où les relations entre variables peuvent évoluer dans le temps.
Biais d'ancrage
Tendance des modèles à surpondérer les premières informations apprises lors de l'entraînement, influençant de manière disproportionnée les prédictions futures.
Mitigation de biais
Ensemble de techniques algorithmiques et procédurales visant à identifier, corriger ou minimiser les distorsions systématiques dans les modèles d'IA.
Biais de publication
Distorsion dans les données d'entraînement due à la sélection non aléatoire des publications ou informations disponibles, favorisant certains résultats.