Apprentissage auto-supervisé

CCapucine

L’apprentissage auto-supervisé, c’est entraîner une intelligence artificielle à prédire une partie cachée des données à partir des éléments qui restent. Comme avec une phrase dont on masque un mot, le système essaie de le retrouver grâce au contexte. Il crée ainsi ses propres exercices à partir de textes, d’images ou de sons, sans dépendre d’annotations humaines pour chaque exemple. Cette méthode aide à exploiter de grands volumes de données et à apprendre des représentations réutilisables pour des tâches différentes, comme reconnaître des objets ou traiter une question. Mais elle n’assure pas que les données soient équilibrées ni que les réponses soient exactes : le système peut aussi apprendre leurs biais et leurs erreurs. Deviner correctement un élément manquant ne signifie pas pour autant comprendre le sens ou savoir vérifier une réponse.