Annotation des données

Définition

L'annotation de données consiste à étiqueter les données brutes avec des balises qui les rendent pertinentes pour les modèles d'IA. Par exemple, étiqueter des images avec des catégories d'objets ou étiqueter du texte avec des sentiments.

Interet

L'objectif est de créer des ensembles de données d'entraînement permettant à l'IA d'apprendre des modèles d'apprentissage supervisé. Sans annotation, de nombreuses tâches d'IA seraient impossibles.

Importance

• Fournit la « vérité fondamentale » pour la formation des modèles ML.
• La qualité des annotations affecte la précision et l’équité du modèle.
• Tâche chronophage et gourmande en ressources.
• Nécessite souvent une expertise dans un domaine (par exemple, l’annotation médicale).

Fonctionnement

1. Définissez les catégories de tâches et d'étiquettes.
2. Collecter et prétraiter les données brutes.
3. Utilisez des outils d’annotation pour l’étiquetage.
4. Valider par des contrôles qualité.
5. Exporter des données étiquetées pour la formation du modèle.

Exemples (monde réel)

• Amazon Mechanical Turk : plateforme d'annotation participative.
• Shaip : service d'annotation de données pour les ensembles de données de véhicules autonomes.
• Étiquetage des images radiologiques : les hôpitaux annotent les scanners pour le diagnostic par IA.

Références / Lectures complémentaires

• Annotation des données pour l'IA — NIST.
• Annotation et étiquetage des ensembles de données — Transactions IEEE sur l'ingénierie des données.
• ISO/IEC 24617 : Cadre d'annotation sémantique — ISO.
• Qu'est-ce que l'annotation de données – Shaip