Recherche de données pour entraîner et évaluer les systèmes d’IA
Langue de la page: Français
Décrivez la tâche du modèle, les données dont vous avez besoin et leur utilisation autorisée. sapien1 peut vous aider à identifier des sources potentielles et à définir le périmètre d’un échantillon, ainsi que les critères pour décider de poursuivre ou non. Décrivez votre projet à sapien1
Recherchez des données adaptées à la tâche que votre système d’IA doit accomplir. sapien1 vous aide à définir vos besoins, à repérer des sources possibles et à évaluer l’utilité d’un jeu de données pour l’entraînement, l’évaluation ou la recherche d’information.
Partez du comportement que vous souhaitez améliorer. Il peut s’agir de comprendre un document, de mener à bien un processus, d’utiliser un outil ou d’interpréter une scène. Ce choix guide la sélection des exemples, du contexte et des contrôles qualité à appliquer aux données.
Définir le rôle des données
Une même collection peut répondre à plusieurs besoins. Les exemples d’entraînement servent à apprendre un comportement. Les exemples d’évaluation servent à le tester. Un corpus de recherche d’information fournit au système des éléments qu’il peut consulter pour répondre à une question.
Décrivez l’usage prévu avant de comparer les sources. Pour entraîner un agent d’assistance, un exemple utile pourrait réunir une demande, la règle pertinente et l’action effectuée. Une tâche d’évaluation doit aussi préciser comment vérifier la décision prise. Un corpus de recherche d’information doit contenir les règles elles-mêmes et assez de contexte pour déterminer quelle version s’applique.
Les éléments à inclure dans un cahier des charges
| Besoin | Éléments à préciser |
|---|---|
| Tâche | Ce que le modèle ou l’agent doit faire et les difficultés qu’il rencontre actuellement |
| Couverture | Domaines, langues, régions, périodes et cas difficiles à couvrir |
| Types de données | Documents, code, enregistrements, audio, images, vidéos, traces d’utilisation d’outils ou une combinaison de ces éléments |
| Contexte | Étiquettes, horodatages, relations, instructions ou résultats nécessaires pour interpréter un exemple |
| Usage prévu | Entraînement, évaluation ou recherche d’information, y compris les modalités d’accès aux données |
| Critères d’acceptation | Ce qu’un échantillon utile doit démontrer avant d’étendre le projet |
Un premier cahier des charges peut laisser des questions ouvertes. Une tâche précise et quelques exemples représentatifs offrent généralement un meilleur point de départ qu’un simple nombre cible de fichiers.
Évaluer un échantillon avant d’étendre le projet
L’examen d’un échantillon peut révéler un manque de contexte, des étiquettes incohérentes, des doublons et des situations mal couvertes. Votre équipe peut aussi vérifier que le format proposé convient à son processus. Pour un exemple pratique, consultez notre guide d’achat de données d’entraînement pour l’IA.
Consignez l’origine des données et les usages autorisés en même temps que l’évaluation technique. La description d’un jeu de données doit permettre de comprendre son contenu et ses limites. Les recommandations de Hugging Face sur les fiches de jeux de données sont une référence utile pour cette documentation.
Pour savoir comment le propriétaire peut décrire une collection et quelles autorisations vérifier, consultez les éléments à préparer avant de concéder une licence sur les données de votre entreprise.
Si vous souhaitez discuter d’une collection dont vous êtes propriétaire, décrivez vos données.
Dans un projet avec sapien1, définissez ensemble la recherche de données, l’examen d’un échantillon, les livrables et les critères d’acceptation. L’étape suivante peut être une collecte ciblée, une évaluation des données que vous détenez déjà ou un ensemble de tâches pour évaluer un agent.