Comment éviter une fuite de données entre entraînement et test ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
Éviter une fuite de données entre entraînement et test demande de séparer les sources, les personnes ou les scènes corrélées et de vérifier les doublons avant l’évaluation.
Tester sur des exemples vraiment inconnus
Découpage par robot, site, personne ou période empêche qu’une image presque identique soit présente dans les deux ensembles.Évaluer un détecteur de piétons
Les images d’une même caméra et d’un même passant restent dans un seul ensemble pour mesurer la généralisation.Un score élevé peut être artificiel
Métadonnées, séries temporelles et augmentations doivent être contrôlées.Sources et références
- [1] Common pitfalls and recommended practices — scikit-learn — scikit-learn
- [2] AI Risk Management Framework — NIST