Demander un devis Devis

Données d’entraînement

Aussi : corpus d’entraînement · training data

Ensemble des textes, images ou autres contenus à partir desquels les paramètres d’un modèle ont été ajustés.

Pour un modèle de langage, ce corpus mêle en général des pages web collectées par des robots, des contenus sous licence et d’autres jeux de données. Les éditeurs n’en publient pas la liste. Ce qui s’y trouve en abondance et de façon concordante est bien restitué ; ce qui y est rare, contradictoire ou absent l’est mal.

Un site dispose de quelques réglages. Le robots.txt permet de refuser la collecte pour l’entraînement : le robot GPTBot chez OpenAI, la règle Google-Extended chez Google, qui n’a d’effet ni sur la présence ni sur le classement dans la recherche. Ces refus valent pour l’avenir et supposent que le robot les respecte. La décision est éditoriale et juridique autant que technique : refuser l’entraînement protège un contenu, et peut réduire la place de la marque dans ce que les modèles auront mémorisé.

Le sujet, traité en entier

Source Google Search Central — Google’s common crawlers

Types de SEO concernés

Et sur votre site ?

Cette question se pose chez vous ?

Décrivez votre situation : nous répondons par écrit, avec une première lecture de ce qu’il faudrait regarder d’abord.

Voir le diagnostic

Vous recevez un premier avis écrit et le prix du diagnostic.
4,9/5 sur 34 avis Google. Réponse écrite, sans relance commerciale. Vos données ne servent qu’à vous répondre.