Date limite de connaissances

La date limite de connaissances est le moment au-delà duquel un modèle de langage ne dispose plus de données d’entraînement et, par conséquent, n’a aucune connaissance intégrée des événements, des faits ou des changements survenus ultérieurement. Comme les connaissances d’un modèle sont figées au moment de l’entraînement, tout ce qui s’est produit après cette date limite ne fait pas partie de ses connaissances intégrées, à moins que des informations plus récentes ne soient fournies au moment de l’exécution par le biais d’un contexte externe, d’une récupération ou d’outils.

En résumé : la date limite de connaissances est la date à laquelle les connaissances intégrées d’un modèle s’arrêtent ; le modèle ne peut pas s’appuyer sur ses connaissances intégrées pour les événements postérieurs à ce moment, sauf si des informations postérieures à la date limite sont fournies lors de l’inférence.

Comment fonctionne une date limite de connaissances

Les connaissances internes d’un modèle constituent un instantané figé, défini par la manière dont il a été entraîné et par le moment où cela s’est produit :

1. Données d’entraînement figées : un modèle apprend à partir d’un ensemble de données vaste mais fixe, collecté jusqu’à une certaine date ; par la suite, ses connaissances internes ne se mettent pas à jour d’elles-mêmes.
2. L’écart entre la date limite et la sortie : l’entraînement, l’ajustement fin et les tests de sécurité prennent des mois. Un modèle est donc généralement publié bien après sa date limite et accuse déjà un certain retard dès son premier jour.
3. Date limite de connaissances fiable vs date limite des données d’entraînement : certains fournisseurs distinguent une « date limite des données d’entraînement » (l’ensemble complet des données utilisées) d’une « date limite de connaissances fiable » (la date jusqu’à laquelle les connaissances sont les plus complètes et exactes), généralement un peu antérieure.
4. Faire le lien avec le présent : un modèle ne peut traiter des événements plus récents que s’il reçoit des informations postérieures à sa date limite au moment de la requête, par le biais de la recherche web, de la génération augmentée par récupération, de bases de connaissances internes, de flux de données organisés ou d’autres outils qui injectent le contexte actuel.
5. Obsolescence silencieuse : sans récupération, un modèle peut malgré tout répondre avec assurance à une question postérieure à sa date limite en s’appuyant sur des informations obsolètes, sans aucun signal explicite indiquant qu’il n’est pas à jour.

L’élément déterminant est que les connaissances intégrées d’un modèle constituent un instantané du monde à un moment donné, et non un registre vivant, mis à jour en continu.

Date limite de connaissances vs fenêtre de contexte et hallucination

• Une fenêtre de contexte correspond à la quantité de texte qu’un modèle peut prendre en compte dans une seule requête à l’instant présent ; contrairement à une fenêtre de contexte, une date limite de connaissances désigne le moment où les connaissances intégrées du modèle s’arrêtent. L’une concerne la capacité, l’autre la fraîcheur des informations.
• L’hallucination et l’obsolescence peuvent se recouper sans pour autant être identiques : une réponse dépassée causée par la date limite constitue une limitation de fraîcheur ; si cette réponse obsolète est fausse dans le contexte actuel, elle peut être classée comme une hallucination dans certaines taxonomies.
• Les données d’entraînement correspondent à tout ce à partir de quoi le modèle a appris ; la date limite de connaissances est simplement la date la plus récente que ces données atteignent.

Là où la date limite de connaissances compte

• Questions sensibles au facteur temps : les actualités, les prix, les dirigeants et les versions de logiciels peuvent tous être erronés si les réponses reposent uniquement sur les données d’entraînement.
• Fraîcheur du contenu et AEO : un nouveau contenu ne peut apparaître dans les connaissances intégrées d’un modèle qu’à l’occasion d’un futur cycle d’entraînement. La visibilité des éléments récents dépend donc d’une couche de récupération externe capable de fournir des sources fraîches au moment de l’inférence (y compris des API de recherche web telles que l’API du moteur de recherche Brave.
• Choisir un modèle ou un mode : les dates limites varient selon les modèles, et certains systèmes ajoutent une récupération en temps réel pour compenser. Le bon choix dépend donc du degré d’actualité que la réponse doit présenter.
• Concevoir des produits d’IA : l’ancrage des réponses dans des sources récupérées est la méthode standard pour contourner la date limite dès qu’il s’agit d’éléments récents.

Comme les dates limites diffèrent selon les modèles et évoluent à chaque version, considérer les connaissances intégrées d’un modèle comme étant à jour est risqué ; pour les faits récents, la récupération externe est la voie la plus fiable.

Termes associés

Fenêtre de contexte, hallucination, génération augmentée par récupération (RAG), données d’entraînement, grand modèle de langage (LLM), recherche web, ancrage, moteur de réponse par IA.