Apprentissage continu
La capacité d'un système d'IA à apprendre et à s'adapter en permanence à partir de nouvelles entrées de données sans intervention humaine, s'améliorant au fil du temps.
Définition
Également appelé apprentissage en ligne ou apprentissage incrémentiel, les modèles mettent à jour leurs paramètres en fonction de la diffusion de données plutôt que d'un recyclage complet. Cela permet une adaptation rapide à l'évolution des modèles (par exemple, les nouvelles tactiques de fraude) mais pose des problèmes de gouvernance en termes de stabilité, de contrôle des versions et de garantie que les mises à jour incrémentielles n'amplifient pas les biais ou ne violent pas la conformité.
Exemple concret
Une entreprise de cybersécurité déploie une IA de détection des intrusions qui intègre en permanence les données de journal des nouveaux événements du réseau. Chaque mois, le modèle se met à jour pour détecter de nouveaux modèles d'attaque, mais les règles de gouvernance exigent que toute baisse de performance entraîne un retour en arrière et un examen humain avant de poursuivre.
.svg)
