Pourquoi les étiquettes limitent le modèle
Un modèle ne peut pas être plus cohérent que ses étiquettes. Des étiquettes fausses lui apprennent la mauvaise chose, et des étiquettes incohérentes d’un annotateur à l’autre fixent un plafond de précision que davantage de données ne relèvera pas.
1. Rédiger des consignes avec des exemples difficiles
Pour chaque classe, montrez des exemples clairs et les cas limites : un objet partiellement visible, un message sarcastique, une rayure ou un reflet. Mettez les consignes à jour lorsque les annotateurs ne sont pas d’accord.
2. Mesurer l’accord
Faites annoter le même échantillon par deux personnes et comparez. Là où elles divergent, soit la consigne n’est pas claire, soit le cas est réellement ambigu. Dans les deux cas, il vaut mieux le savoir avant l’entraînement.
3. Chercher les étiquettes manquantes et fausses
Repérez les objets sans boîte, les boîtes sans objet, les étiquettes hors de la liste autorisée et les textes sans étiquette. Vérifiez un échantillon aléatoire de chaque classe, pas seulement les exemples sur lesquels un modèle se trompe.
4. Vérifier l’équilibre et la couverture
Comptez les exemples par classe et par contexte (caméra, lieu, client, langue). C’est sur les classes rares et les contextes absents que les modèles échouent en production.
5. Garder des étiquettes et des découpages propres
Vérifiez que des quasi-copies d’un même élément ne portent pas des étiquettes différentes et ne se retrouvent pas des deux côtés du découpage entre entraînement et test.