>_ Corpus D'entraînement

Un corpus d’entraînement désigne l’ensemble des données textuelles, visuelles ou sonores utilisées pour apprendre à un modèle d’intelligence artificielle à produire des réponses. Il constitue la matière première à partir de laquelle le système ajuste ses paramètres. Sa composition, sa taille et sa qualité déterminent directement les capacités et les limites du modèle entraîné.

Concrètement, le corpus est soumis à l’algorithme d’apprentissage, qui en extrait des régularités statistiques. Ces régularités servent ensuite à générer de nouvelles sorties, qu’il s’agisse de textes, d’images ou d’autres contenus. Le modèle ne fait que répliquer des schémas présents dans les données initiales. Ainsi, toute réponse produite est une reformulation ou une combinaison d’éléments issus du corpus.

Ce que ça engage : le corpus d’entraînement est le point de départ d’un processus qui tend à réduire la diversité des productions. L’article lié « L’Uniformisation — Cassandria » décrit ce phénomène : avant l’IA, dix humains produisent dix idées singulières ; avec l’IA, dix humains produisent dix variations de la même moyenne algorithmique. Le corpus, en tant que source unique de référence, est donc le vecteur de cette uniformisation. Il conditionne les sorties du modèle, qui ne peuvent dépasser le cadre statistique des données fournies.