Évaluation de modèle
Aussi : evals · jeu de test
Mesure méthodique de la qualité des sorties d’un modèle ou d’un prompt sur un ensemble de cas préparés à l’avance.
Une évaluation — une « eval » — réunit trois éléments : un jeu de test représentatif de la tâche réelle, un critère de réussite écrit, et une méthode de notation, qui peut être un contrôle automatique, une relecture humaine ou un LLM juge. On la rejoue à chaque changement de prompt ou de modèle, pour savoir si l’on a progressé ou seulement changé.
À la différence d’un benchmark public, elle porte sur votre tâche et vos données. Toute chaîne de production assistée par IA en a besoin : sans jeu de test, on juge un prompt sur quelques essais qui ont plu. Le suivi de visibilité obéit à la même logique : un corpus de prompts fixe, une règle de comptage écrite, des relevés répétés. C’est ce qui sépare une mesure d’une impression.