👀 assez intéressant…. • Évaluation du modèle : 50 % • Nettoyage et organisation des données : 40 % • Intégration du système : 8 % • Entraînement du modèle : 2 % Le point n’est pas que l’entraînement n’est pas important, mais que la plupart des gens sous-estiment considérablement l’importance des données et de l’évaluation. En travaillant avec des fondateurs qui développent des caméras IA, la robotique et des systèmes d’IA en périphérie, nous avons observé la même chose. Les équipes passent souvent des semaines à débattre du modèle à utiliser, tout en consacrant bien moins de temps à définir le succès, à améliorer les étiquettes ou à comprendre les cas d’échec. Un modèle meilleur peut vous apporter des gains incrémentaux. Une boucle de rétroaction améliorée peut changer la trajectoire de l’ensemble du produit. Alors que les modèles fondamentaux deviennent de plus en plus accessibles, le véritable avantage concurrentiel ne réside peut-être pas dans le modèle lui-même, mais dans la qualité des données et la rigueur de leur évaluation.