Étiquetage assisté par modèle (Model-assisted Labeling)

Définition

L'étiquetage assisté par modèle est un processus d'annotation de données dans lequel un modèle d'intelligence artificielle propose une première étiquette, une catégorie ou une réponse, qu'un annotateur humain valide, corrige ou rejette plutôt que de partir d'une page blanche. Cette approche accélère considérablement la constitution de jeux de données d'entraînement, en particulier pour des tâches répétitives comme la classification de texte, l'extraction d'entités nommées ou la modération de contenu. Elle s'apparente à l'apprentissage actif, où le modèle identifie également les exemples les plus incertains ou les plus informatifs à soumettre en priorité aux humains, afin de maximiser le gain de qualité par heure d'annotation. L'étiquetage assisté par modèle réduit le coût et le délai de production des jeux de données, mais introduit un risque de biais de confirmation : les annotateurs valident souvent plus vite les suggestions du modèle, même erronées, un phénomène documenté dans plusieurs études d'ergonomie de l'annotation. Les organisations qui l'utilisent pour des jeux de données destinés à l'entraînement de modèles à usage général doivent en documenter la méthodologie, notamment au titre des obligations de gouvernance des données prévues par l'AI Act. Un audit d'échantillon par des experts humains reste recommandé.