Date limite de connaissances
La date limite de connaissances, ou knowledge cutoff, indique jusqu’à quelle période les données de pré-entraînement d’un modèle couvrent généralement l’information du monde.
Comment fonctionne Date limite de connaissances ?
Elle ne signifie pas que le modèle connaît parfaitement tout avant cette date ni qu’il ignore automatiquement tout après : des outils comme la recherche Web ou le RAG peuvent apporter des informations plus récentes.
Cette notion est importante dès que l’IA intervient dans une décision, manipule des données sensibles ou produit un contenu utilisé par d’autres personnes. Elle doit être intégrée aux processus de qualité, sécurité et gouvernance.
Exemple concret
Pour une réglementation publiée hier, un assistant connecté au Web peut rechercher le texte actuel même si le modèle de base a une date limite antérieure.
À ne pas confondre
Il faut distinguer connaissances du modèle, données récupérées en temps réel et contexte fourni par l’utilisateur.
Questions fréquentes sur Date limite de connaissances
Qu’est-ce que Date limite de connaissances ?
+
La date limite de connaissances, ou knowledge cutoff, indique jusqu’à quelle période les données de pré-entraînement d’un modèle couvrent généralement l’information du monde.
À quoi sert Date limite de connaissances ?
+
Pour une réglementation publiée hier, un assistant connecté au Web peut rechercher le texte actuel même si le modèle de base a une date limite antérieure.
Pourquoi faut-il surveiller Date limite de connaissances ?
+
Cette notion est importante dès que l’IA intervient dans une décision, manipule des données sensibles ou produit un contenu utilisé par d’autres personnes. Elle doit être intégrée aux processus de qualité, sécurité et gouvernance.
Comment réduire les risques liés à Date limite de connaissances ?
+
Documenter le cas d’usage, limiter les données et permissions, tester sur des cas représentatifs et prévoir une validation humaine lorsque l’impact potentiel est élevé.
Quelle différence avec une notion proche ?
+
Il faut distinguer connaissances du modèle, données récupérées en temps réel et contexte fourni par l’utilisateur.