Un spécialiste de l'IA utilise un LLM pour générer du texte marketing. Le texte semble plausible et fait autorité, mais il contient des faits incorrects. Quel problème le modèle présente-t-il ?

L'hallucination est le problème où un LLM génère des informations fausses, trompeuses ou inventées qui semblent plausibles et cohérentes, mais qui sont factuellement incorrectes. Dans ce cas, le texte marketing est plausible et fait autorité, mais contient des faits incorrects, ce qui est une caractéristique classique de l'hallucination. La fuite de données (data leakage) se produit lorsque des informations du futur ou de l'ensemble de test sont accidentellement incluses dans l'entraînement. Le surapprentissage (overfitting) signifie que le modèle a appris les données d'entraînement trop spécifiquement et ne généralise pas bien à de nouvelles données. Le sous-apprentissage (underfitting) signifie que le modèle est trop simple et n'a pas appris les relations sous-jacentes dans les données.