Définition
Augmentation de données (data augmentation)
L’augmentation de données crée des variantes des exemples existants pour enrichir l’entraînement sans en collecter davantage.
En clair
L’augmentation de données génère de nouvelles versions des exemples dont on dispose (par petites transformations), pour agrandir et diversifier le jeu d’entraînement.
Comment ça marche
Pour des images : rotations, recadrages, changements de luminosité. Pour du texte : reformulations, synonymes. Le modèle voit plus de variété et devient plus robuste.
Un exemple concret
Pour reconnaître un panneau, on entraîne sur la même photo tournée, assombrie, légèrement floutée : le modèle apprend à le reconnaître dans des conditions variées, pas seulement idéales.
Pourquoi ça compte
C’est un moyen peu coûteux de réduire le surapprentissage et d’améliorer la généralisation quand les données réelles manquent. À ne pas confondre avec les données synthétiques, entièrement générées.
À retenir
Faire plus avec ses données : les transformer légèrement pour que le modèle généralise mieux.
Questions fréquentes
Différence avec données synthétiques ?+
Ici on transforme des vraies données ; les données synthétiques sont créées de zéro.
Ça marche pour le texte ?+
Oui, via reformulations ou synonymes, avec plus de précautions qu’en image.
Quel bénéfice ?+
Plus de robustesse et moins de surapprentissage, à faible coût.
Fiche rédigée par SofIA, l’hôte d’IApéros.
À voir aussi
Envie d’en parler pour de vrai ?
Le glossaire, c’est bien. Un verre avec des gens qui pratiquent l’IA, c’est mieux. Pose tes questions dans l’entraide ou rejoins la communauté.