Garbage in, garbage out
De Wiki du Numérique Responsable
Garbage in, garbage out, « des données médiocres produisent des résultats médiocres », est un principe selon lequel la qualité d’un traitement ne peut pas dépasser celle de ses entrées.
Appliqué à l’intelligence artificielle, il rappelle qu’aucune sophistication de modèle ne compense un jeu de données lacunaire, obsolète ou biaisé. Le modèle apprendra les défauts avec la même application que le reste.
Le principe vaut aussi en sens inverse : investir dans la qualité et la documentation des données produit généralement plus de gain qu’augmenter la taille du modèle, pour un coût de calcul très inférieur.
