Apprentissage zero-shot

Aussi appelé : Zero-Shot Learning · zero-shot-learning · classification sans exemple · inférence zero-shot

Terme IA Avancé 🧠 Concepts fondamentaux

Mis à jour le 5 juin 2026

L'apprentissage zero-shot est la capacité d'un modèle d'IA à accomplir une tâche pour laquelle il n'a reçu aucun exemple spécifique lors de son entraînement ou dans votre requête.

📖 Définition

L'apprentissage zero-shot est la capacité d'un modèle d'IA à accomplir une tâche sans avoir reçu d'exemple spécifique lors de son entraînement. Le modèle s'appuie sur ses connaissances générales et sa compréhension du langage pour inférer la réponse attendue. Cette approche repose sur la capacité de généralisation acquise à partir de vastes corpus. Elle constitue un indicateur clé de la maturité d'un modèle de langage.

💬 En termes simples

Imaginez un employé polyvalent qui, sans avoir jamais travaillé à la comptabilité, parvient à comprendre et à traiter une facture grâce à son expérience générale en administration. Il transpose ses compétences existantes à une situation entièrement nouvelle.

🎯 Exemple concret

Un système zero-shot dans le réseau de la santé québécois classe automatiquement des notes cliniques dans des catégories jamais vues durant l'entraînement. Une entreprise manufacturière de Drummondville analyse des rapports d'inspection en jargon technique sans exemples annotés. Une firme juridique montréalaise trie des documents dans de nouvelles catégories de droit liées à l'IA.

💡 Le saviez-vous ?

GPT-3 (2020) a bouleversé les attentes en démontrant des performances zero-shot surprenantes. Certains modèles zero-shot surpassent aujourd'hui des systèmes spécialisés entraînés avec des milliers d'exemples étiquetés.

❓ Questions fréquentes

Comment une IA peut-elle réussir une tâche sans apprentissage ?

Elle utilise sa vaste culture générale acquise pendant son pré-entraînement. Si elle a lu des millions de textes, elle comprend les concepts de base. Par exemple, si vous lui demandez de classer des émotions dans une langue rare qu'elle connaît, elle transfère sa compréhension du sentiment humain pour deviner la réponse correcte.

Dans quel contexte est-ce utile pour vous ?

C'est magique pour l'innovation rapide. Vous n'avez pas besoin de préparer de base de données d'exemples. Vous pouvez demander à l'IA : « Voici un texte, classe-le selon ces catégories inédites que je viens d'inventer ». Elle s'adapte instantanément à votre besoin sans coût de développement supplémentaire.

Quelles sont les limites du zero-shot ?

Comme l'IA n'a pas d'exemples pour se guider, elle peut parfois mal interpréter le ton ou le format que vous attendez. Pour des tâches très pointues ou techniques, les résultats en zero-shot sont souvent moins précis que si vous fournissez ne serait-ce qu'un ou deux exemples (few-shot) pour orienter le modèle.

📚 Sources

ArXiv - Language Models are Few-Shot Learners (Zero-Shot section) (Tom Brown et al. (OpenAI), 2020)
Wikipedia - Zero-shot learning (Wikipedia, 2024)

🔗 Termes liés

🏷️ Catégorie parente

Apprentissage automatique

Accueil

Outils

Annuaire

Apprendre