Données synthétiques
Aussi : synthetic data
Données produites par un modèle ou un programme, et non recueillies dans le monde réel, pour entraîner ou tester un autre système.
On y recourt quand les données réelles manquent, coûtent cher ou sont trop sensibles : des questions fictives pour tester un assistant, des variantes d’un texte pour entraîner un classifieur, des conversations simulées. Un modèle peut ainsi générer le jeu d’exemples qui servira à en ajuster un autre, comme dans la distillation.
En marketing, le terme couvre des usages de valeur inégale. Générer des requêtes plausibles pour explorer un sujet ou éprouver un moteur de recherche interne est utile. Présenter des « sous-requêtes Google » générées par un modèle comme des données de la recherche, ou des personas synthétiques comme une étude d’audience, ne l’est pas : ce sont des hypothèses, à étiqueter comme telles. La règle : savoir, pour chaque chiffre et chaque liste, s’ils ont été observés ou fabriqués.