Was ist Untitled

---
title: "Few-Shot-Learning"
slug: "few-shot-learning"
type: "glossary"
---
Définition
Le Few-Shot Learning est une approche d'IA qui consiste à entraîner un modèle d'apprentissage automatique à exécuter avec succès de nouvelles tâches ou à comprendre de nouveaux concepts en se basant sur un nombre très limité d'exemples (généralement entre 2 et 100).
Explication
Alors que les modèles de Deep Learning traditionnels exigent des milliers de points de données, le Few-Shot Learning vise à imiter la capacité humaine d'abstraction rapide. Ceci est généralement rendu possible par l'utilisation de grands modèles de fondation (Foundation Models) pré-entraînés, qui sont préparés à la nouvelle tâche grâce à des prompts intelligemment conçus et enrichis d'exemples (apprentissage en contexte ou In-Context Learning). Pour les produits SaaS B2B, cette approche est d'une valeur inestimable, car les clients ne peuvent souvent fournir qu'un nombre très limité de données d'exemple pour des classifications ou des workflows spécifiques. Les équipes commerciales, par exemple, peuvent montrer à l'IA trois e-mails clients réussis pour que le modèle comprenne instantanément le style et le format dans lesquels les prochains e-mails devront être générés. Cela permet d'économiser un temps de développement considérable et d'accélérer la Time-to-Value pour les clients B2B.