Pourquoi conserver la provenance des données d’apprentissage d’un robot ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
Conserver la provenance des données d’apprentissage indique leur source, date, capteur, autorisation, transformation et lien avec la version de modèle qui les a utilisées.
Pouvoir remonter à l’origine
Cette trace aide à retirer une série erronée, expliquer une baisse et reproduire un entraînement sans mélanger les campagnes.Retirer des images mal exposées
La provenance identifie le lot et la caméra concernés ; l’équipe réévalue le modèle après retrait.Une provenance incomplète limite la correction
Fichier copié, métadonnée perdue ou annotation modifiée empêchent parfois de reconstituer le jeu. Contrôles et sauvegardes sont nécessaires.
Sources et références
- [1] DVC Documentation — Iterative
- [2] AI Risk Management Framework — NIST