Comment détecter la dérive d’un modèle après son déploiement sur un robot ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
Détecter la dérive d’un modèle après son déploiement consiste à comparer ses entrées et ses erreurs à une référence, puis à déclencher une revue lorsque le contexte change.
Observer ce qui change
Éclairage, objets, saisons ou comportements peuvent évoluer alors que le logiciel reste identique.Des palettes prennent une nouvelle forme
Les alertes montrent que les images réelles s’éloignent du jeu de référence ; l’équipe échantillonne et vérifie les erreurs avant de réentraîner.Une dérive n’est pas toujours un mauvais score immédiat
Référence, échantillonnage, biais, seuils, supervision et retour arrière doivent être documentés.Sources et références
- [1] AI RMF Core — Measure — National Institute of Standards and Technology