Pourquoi évaluer un modèle d’IA sur des données qu’il n’a jamais vues ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
Évaluer un modèle d’IA sur des données jamais vues mesure sa capacité à généraliser plutôt que sa simple mémoire des exemples d’entraînement.
Séparer apprentissage et examen
Les données d’entraînement servent à ajuster le modèle ; un jeu indépendant révèle s’il fonctionne sur de nouvelles scènes, personnes ou objets.
Reconnaître un obstacle
Un détecteur entraîné sur plusieurs couloirs est testé dans un autre bâtiment. S’il garde un bon rappel malgré un éclairage différent, le résultat est plus crédible.Un test consulté n’est plus indépendant
Réutiliser les erreurs du test pour régler le modèle finit par l’adapter à ce jeu. Il faut garder un dernier jeu scellé et tracer chaque itération.
Sources et références
- [1] Metrics and scoring: quantifying the quality of predictions — scikit-learn