Dérive des données
Données & entraînementChangement progressif des données qui rend un modèle IA moins performant.
Explication
La dérive des données survient lorsque les informations utilisées pour entraîner un modèle d’IA évoluent avec le temps. Par exemple, si un outil analyse des tendances de vente basées sur des données de 2020, mais que les habitudes des clients ont changé en 2024, ses prédictions peuvent devenir inexactes. Ce phénomène est naturel, car le monde change : les mots employés, les comportements ou les contextes ne restent pas figés. Un modèle non mis à jour peut donc prendre des décisions erronées ou moins pertinentes. Pour y remédier, il faut régulièrement vérifier la qualité des données et réentraîner le modèle avec des informations récentes.
Cas d'usage
- ✓Détecter qu’un chatbot ne comprend plus les nouvelles expressions utilisées par les clients
- ✓Identifier pourquoi un système de recommandation propose des produits démodés
- ✓Vérifier si un outil de détection de fraude reste efficace face à de nouvelles méthodes
- ✓Adapter un modèle de prédiction météo à l’évolution des phénomènes climatiques