\nUn mod\u00e8le pour le gros du travail, des humains pour valider<\/td>\n \u00e9quilibre entre qualit\u00e9 et co\u00fbt<\/td>\n les enjeux \u00e9lev\u00e9s restent \u00e0 la charge des humains<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nCompte aussi la qualit\u00e9 du jeu. Il doit m\u00ealer des t\u00e2ches, des sujets, des contextes, des longueurs et des styles vari\u00e9s ; ses exemples doivent \u00eatre corrects ; et il lui faut des cas simples pour apprendre la structure, mais aussi des cas difficiles, \u00e0 raisonnement en plusieurs \u00e9tapes. Sans gouvernance rigoureuse ni tests sur donn\u00e9es r\u00e9serv\u00e9es, tu risques de surajuster \u00e0 des exemples p\u00e9rim\u00e9s<\/strong> ou peu repr\u00e9sentatifs.<\/p>\nTroisi\u00e8me contr\u00f4le : ton mod\u00e8le peut-il dire \u00ab je ne suis pas s\u00fbr \u00bb ?<\/h2>\n Un mod\u00e8le supervis\u00e9 r\u00e9pond toujours. Pour les cas \u00e0 fort enjeu, il faut donc d\u00e9cider \u00e0 l’avance quand il ne tranche pas seul. On y int\u00e8gre un score de certitude et un seuil : on escalade vers un humain si la certitude passe sous 0,7. Dans un exemple de tri de menaces, les classements dont le score est inf\u00e9rieur \u00e0 0,8 sont escalad\u00e9s automatiquement, ce qui filtre les cas de routine \u00e0 forte confiance.<\/p>\n
D’autres signaux d’incertitude existent : la variance sur plusieurs ex\u00e9cutions<\/strong> (de trois \u00e0 cinq inf\u00e9rences, escalade si les sorties divergent de plus de 20 %) ou un mod\u00e8le critique secondaire qui note la coh\u00e9rence. Pour les cons\u00e9quences lourdes, on multiplie l’incertitude par la gravit\u00e9 et on escalade au-del\u00e0 d’un seuil.<\/p>\nLes crit\u00e8res d’escalade les plus nets sont :<\/p>\n
\ndes erreurs persistantes sans explication technique claire ;<\/li>\n des anomalies dans des flux \u00e0 implications r\u00e9glementaires ou \u00e9thiques ;<\/li>\n des \u00e9checs dans des t\u00e2ches critiques ou de grande valeur ;<\/li>\n des diagnostics contradictoires venant d’outils automatis\u00e9s.<\/li>\n<\/ul>\n\n\u26a0\ufe0f Pi\u00e8ge<\/strong> Un seuil trop bas noie les humains. Les seuils s’optimisent hors ligne \u00e0 partir de donn\u00e9es historiques, en simulant les taux d’escalade, avec une cible de moins de 10 % de cas escalad\u00e9s<\/strong> pour \u00e9viter la fatigue.<\/p>\n<\/blockquote>\nQuatri\u00e8me contr\u00f4le : le monde reste-t-il le m\u00eame ?<\/h2>\n Un mod\u00e8le entra\u00een\u00e9 fige une photographie. Or les propri\u00e9t\u00e9s statistiques de l’environnement \u00e9voluent : le langage des utilisateurs change, une nouvelle terminologie de produit appara\u00eet, les r\u00e9ponses d’une interface se modifient, un mod\u00e8le de fondation est mis \u00e0 jour. On parle de d\u00e9calage de distribution<\/strong>.<\/p>\nIl ne d\u00e9clenche pas forc\u00e9ment d’erreur explicite. Il se manifeste par une performance d\u00e9grad\u00e9e, des sorties mal align\u00e9es ou un recours accru aux solutions de repli. Avant la mise en service, teste donc sur des sc\u00e9narios nouveaux, hors distribution : jeux r\u00e9serv\u00e9s, exemples synth\u00e9tiques, cas adverses construits pour d\u00e9fier les r\u00e9ponses m\u00e9moris\u00e9es, et d\u00e9calages simul\u00e9s.<\/p>\n
Mesurer l’\u00e9cart<\/h3>\n On compare un \u00e9chantillon historique \u00e0 un \u00e9chantillon courant avec le test de Kolmogorov-Smirnov. Il confronte les fonctions de r\u00e9partition empiriques des deux jeux et retient leur distance verticale maximale, sans supposer de normalit\u00e9. Une statistique sup\u00e9rieure \u00e0 0,1<\/strong>, souvent associ\u00e9e \u00e0 une valeur-p inf\u00e9rieure \u00e0 0,05, signale une divergence significative et d\u00e9clenche l’alerte de d\u00e9rive.<\/p>\nTrier les \u00e9checs<\/h3>\n Face \u00e0 une sortie d\u00e9cevante, trois questions successives disent s’il s’agit d’un bogue, d’une variation normale ou d’une d\u00e9rive.<\/p>\n\n\n\n\t\t\t\n\t\t\t\tLis l’arbre de haut en bas. Un score au-dessus de 0,8 ne demande aucune action. Dessous, un \u00e9chec qui se reproduit dans plus de 80 % des 3 \u00e0 5 essais est un bogue syst\u00e9matique. Sinon, un score hors des bornes (LLM au-dessus de 0,7, KL sous 0,2) trahit une d\u00e9rive d’entr\u00e9e, avec un indice PSI sup\u00e9rieur \u00e0 0,1, qu’il faut att\u00e9nuer.<\/figcaption><\/figure>\n\n\nPr\u00e9voir le r\u00e9entra\u00eenement<\/h3>\n La r\u00e9ponse au d\u00e9calage est de r\u00e9entra\u00eener hors ligne, en trois \u00e9tapes : rassembler et \u00e9tiqueter des exemples issus de la production en veillant \u00e0 leur diversit\u00e9 et \u00e0 leur \u00e9quilibre, mettre le mod\u00e8le \u00e0 jour, puis le valider contre des r\u00e9f\u00e9rences avant de le d\u00e9ployer.<\/p>\n
Cette routine apporte de la durabilit\u00e9, du passage \u00e0 l’\u00e9chelle et une r\u00e9duction du risque, puisque tout se teste hors ligne. Elle r\u00e9clame en revanche une gestion attentive : il faut \u00e9viter le surajustement aux donn\u00e9es historiques et l’oubli des tendances \u00e9mergentes. Son co\u00fbt de calcul s’att\u00e9nue avec des m\u00e9thodes comme LoRA, et elle suppose un calendrier p\u00e9riodique.<\/p>\n
Quand un autre chemin est plus malin<\/h2>\n Sans cible, c’est le terrain du non supervis\u00e9 ; avec des d\u00e9cisions qui s’encha\u00eenent et un verdict tardif, celui du renforcement. Deux autres chemins se contentent de r\u00e9utiliser ce qui existe d\u00e9j\u00e0.<\/p>\n
Ne r\u00e9entra\u00eener que la derni\u00e8re couche<\/h3>\n Un mod\u00e8le pr\u00e9entra\u00een\u00e9 de type Transformer n’a pas \u00e9t\u00e9 entra\u00een\u00e9 \u00e0 classer des s\u00e9quences. Pour l’adapter, on retire sa derni\u00e8re couche, propre \u00e0 la t\u00e2che d’origine, on en ajoute une nouvelle initialis\u00e9e au hasard et on r\u00e9unit des exemples pour la nouvelle t\u00e2che.<\/p>\n
Chaque exemple (ici, des avis positifs et n\u00e9gatifs) traverse le mod\u00e8le gel\u00e9 en passe avant, et seuls les poids de la nouvelle couche<\/strong> sont mis \u00e0 jour par r\u00e9tropropagation, avec l’entropie crois\u00e9e. Un tout petit ajustement du reste, avec un taux d’apprentissage tr\u00e8s faible, peut m\u00eame am\u00e9liorer le r\u00e9sultat. Avec Hugging Face, quelques lignes de code suffisent pour ajuster DistilBERT.<\/p>\nPeut-\u00eatre rien \u00e0 entra\u00eener<\/h3>\n De nombreux d\u00e9veloppeurs se contentent de l’ing\u00e9nierie de prompt, sans r\u00e9entra\u00eenement. La connaissance n\u00e9cessaire existe d\u00e9j\u00e0 dans les param\u00e8tres du mod\u00e8le ; il s’agit d’\u00e9crire un prompt qui lui permette de s’en servir au mieux.<\/p>\n
Feu vert, orange, rouge<\/h2>\n Classe ton projet contr\u00f4le par contr\u00f4le.<\/p>\n
\n\n\nContr\u00f4le<\/th>\n Feu vert<\/th>\n Feu orange<\/th>\n Feu rouge<\/th>\n<\/tr>\n<\/thead>\n \n\nCible<\/td>\n colonne remplie pour des cas pass\u00e9s<\/td>\n \u00e9tiquettes produites par un mod\u00e8le de langage, \u00e0 valider<\/td>\n pas de colonne \u00e0 pr\u00e9dire<\/td>\n<\/tr>\n \nCo\u00fbt des \u00e9tiquettes<\/td>\n jeu d\u00e9j\u00e0 disponible<\/td>\n humains pour valider, mod\u00e8le pour le volume<\/td>\n sp\u00e9cialistes introuvables, exemples p\u00e9rim\u00e9s<\/td>\n<\/tr>\n \nCas \u00e0 fort enjeu<\/td>\n seuil de certitude fix\u00e9, moins de 10 % d’escalades<\/td>\n seuil non calibr\u00e9 sur l’historique<\/td>\n le mod\u00e8le tranche seul sur des t\u00e2ches critiques<\/td>\n<\/tr>\n \nStabilit\u00e9<\/td>\n \u00e9cart de distribution sous 0,1<\/td>\n tests hors distribution encore \u00e0 faire<\/td>\n \u00e9cart au-dessus de 0,1 et valeur-p sous 0,05<\/td>\n<\/tr>\n \nR\u00e9entra\u00eenement<\/td>\n calendrier et validation pr\u00e9vus<\/td>\n calendrier sans validation hors ligne<\/td>\n aucun plan<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nUn feu rouge ne ferme pas la porte : il te dit o\u00f9 chercher, du c\u00f4t\u00e9 d’un mod\u00e8le pr\u00e9entra\u00een\u00e9, d’un simple prompt ou d’une autre famille de m\u00e9thodes. Et un tableau tout vert reste provisoire, car la d\u00e9rive se mesure<\/strong> sur la dur\u00e9e, pas le jour du lancement.<\/p>","protected":false},"excerpt":{"rendered":"Cible remplie, \u00e9tiquettes abordables, seuil de certitude, d\u00e9rive surveill\u00e9e : les contr\u00f4les \u00e0 passer avant de choisir un apprentissage supervis\u00e9, et les alternatives.<\/p>\n","protected":false},"author":1,"featured_media":380,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7],"tags":[],"class_list":["post-381","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-machine-learning"],"_links":{"self":[{"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/posts\/381","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/comments?post=381"}],"version-history":[{"count":3,"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/posts\/381\/revisions"}],"predecessor-version":[{"id":817,"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/posts\/381\/revisions\/817"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/media\/380"}],"wp:attachment":[{"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/media?parent=381"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/categories?post=381"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ranksignal.fr\/blog\/wp-json\/wp\/v2\/tags?post=381"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![\"Arbre](\"https:\/\/www.ranksignal.fr\/wp-content\/uploads\/2026\/10\/b3_ch10_arbre_echec_variation-scaled.png\")