Fiche nutritionnelle de jeu de donnees (datasheet for datasets)

Définition

La fiche nutritionnelle de jeu de donnees, traduction du terme anglais datasheet for datasets popularise par Timnit Gebru et ses coauteurs en 2018, est un document standardise qui accompagne un jeu de donnees pour en decrire la composition, la collecte, le traitement et les usages recommandes ou deconseilles. Inspiree des fiches techniques de l'industrie electronique, elle repond a des questions structurees en sections : motivation de creation, composition, notamment nombre d'instances et presence de donnees personnelles ou sensibles, processus de collecte, pretraitement et nettoyage, usages passes et envisages, distribution et maintenance. Son objectif est de reduire les biais et les usages inappropries en donnant aux futurs utilisateurs, ingenieurs ML comme auditeurs, une visibilite sur les limites intrinseques des donnees avant tout entrainement de modele. Elle constitue une brique de documentation complementaire a la fiche de transparence de systeme d'IA, ou model card, centree en amont sur les donnees plutot qu'en aval sur le modele entraine. Dans le contexte de l'AI Act et de la norme ISO/IEC 5259 sur la qualite des donnees pour l'IA, ce type de documentation devient une preuve de diligence raisonnable exploitable lors d'un audit de conformite. Les plateformes comme Hugging Face encouragent desormais la publication de fiches nutritionnelles pour chaque jeu de donnees partage publiquement.