Des erreurs corrélées entre modèles d’IA peuvent annuler l’intérêt d’un vote entre systèmes. Une formule mathématique a été utilisée pour mesurer cet effet sur six modèles ouverts et 1 500 questions d’examen.
Le vote multi‑modèles ne garantit pas la diversité
Multiplier les modèles d’IA pour trancher par vote ne suffit pas à obtenir des opinions variées. Le regroupement de systèmes peut au contraire aboutir à une convergence des erreurs. Ce constat remet en question l’efficacité de cette méthode pour la prise de décision.
Des erreurs similaires entre modèles réduisent l’indépendance
Des systèmes qui paraissent distincts peuvent livrer des réponses proches parce que leurs erreurs sont corrélées. Les résultats observés montrent une diversité d’avis inférieure à ce qui était attendu. Dans ces conditions, poser la même question à plusieurs modèles et compter les voix peut réduire le nombre d’opinions réellement indépendantes.
La recherche en IA vous passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Une formule testée sur six modèles ouverts et 1 500 questions
Une formule mathématique a été proposée pour quantifier la perte d’indépendance liée à ces corrélations. Son application a été vérifiée sur six modèles d’IA ouverts, à partir de 1 500 questions d’examen. La démarche consiste à interroger plusieurs systèmes avec la même question, puis à agréger les réponses par un vote.
