📖 Définition

L'apprentissage zero-shot est la capacité d'un modèle d'IA à accomplir une tâche sans avoir reçu d'exemple spécifique lors de son entraînement. Le modèle s'appuie sur ses connaissances générales et sa compréhension du langage pour inférer la réponse attendue. Cette approche repose sur la capacité de généralisation acquise à partir de vastes corpus. Elle constitue un indicateur clé de la maturité d'un modèle de langage.

💬 En termes simples

Imaginez un employé polyvalent qui, sans avoir jamais travaillé à la comptabilité, parvient à comprendre et à traiter une facture grâce à son expérience générale en administration. Il transpose ses compétences existantes à une situation entièrement nouvelle.

🎯 Exemple concret

Un système zero-shot dans le réseau de la santé québécois classe automatiquement des notes cliniques dans des catégories jamais vues durant l'entraînement. Une entreprise manufacturière de Drummondville analyse des rapports d'inspection en jargon technique sans exemples annotés. Une firme juridique montréalaise trie des documents dans de nouvelles catégories de droit liées à l'IA.

💡 Le saviez-vous ?

GPT-3 (2020) a bouleversé les attentes en démontrant des performances zero-shot surprenantes. Certains modèles zero-shot surpassent aujourd'hui des systèmes spécialisés entraînés avec des milliers d'exemples étiquetés.

Navigation

Ressources

Pages