Évaluation des modèles IA

À jour au 2026-05-29

4 axes d'éval : exactitude · pertinence · robustesse · biais. Pattern senior : golden set 50-200 prompts par skill, versionné, relancé à chaque changement. LLM-juge pour scale (70-80 % accord humain à 1-2 % coût). Éval continue hebdomadaire en prod, alerter sur > 5 % dérive. Sans éval, chaque changement est un coup de dés; feature IA devient risque non-monitoré en 6 mois.