Définition
Jeu de données (dataset)
Un jeu de données est l’ensemble des exemples à partir desquels une IA apprend.
En clair
Un dataset (jeu de données) est la collection d’exemples — textes, images, sons, tableaux — utilisée pour entraîner ou évaluer un modèle. C’est la matière première de tout apprentissage automatique.
Comment ça marche
Le modèle apprend les régularités présentes dans ces données. Si elles sont riches, propres et représentatives, il généralise bien. Si elles sont biaisées, incomplètes ou sales, il hérite de ces défauts.
Un exemple concret
Pour reconnaître des chats, on entraîne sur un dataset de milliers de photos étiquetées « chat » / « pas chat ». Si toutes les photos de chats sont en intérieur, le modèle peinera sur un chat dehors.
Pourquoi ça compte
La plupart des problèmes d’IA (biais, erreurs, hallucinations) trouvent leur racine dans les données. Constituer et nettoyer un bon dataset est souvent le gros du travail.
À retenir
La qualité d’une IA dépend d’abord de ses données : garbage in, garbage out.
Questions fréquentes
Faut-il beaucoup de données ?+
Ça dépend de la tâche. En général, plus de données variées et propres = meilleur modèle.
Qu’est-ce qu’un jeu de test ?+
Une partie mise de côté, jamais vue à l’entraînement, pour évaluer honnêtement le modèle.
Les données doivent-elles être étiquetées ?+
Pour l’apprentissage supervisé, oui. D’autres approches (non supervisé) s’en passent.
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.