MLOps
Qu'est-ce que l'overfitting (surapprentissage) ? Définition
Définition de l'overfitting : quand un modèle d'IA apprend trop par cœur ses données d'entraînement et perd sa capacité à généraliser sur de nouvelles données.
25 juin 20261 min
Image de couverture
L'overfitting, ou surapprentissage, survient lorsqu'un modèle d'IA apprend « par cœur » ses données d'entraînement — y compris leur bruit — et devient incapable de bien généraliser sur des données nouvelles.
Symptôme typique : d'excellents résultats à l'entraînement, médiocres en production. On le combat par la régularisation, la validation croisée, plus de données, ou des modèles moins complexes. C'est un enjeu central de fiabilité en machine learning.
→ Des modèles fiables en production : expertise systèmes prédictifs.