La qualité des réponses des LLM commence à décliner, car les données synthétiques polluent leurs données d’entraînement (cf. autres marque-pages).

Pour mitiger le problème, on peut récupérer des données depuis des bases de données externes... Mais ça augmente les risques de fuite de données privées et produit des analyses encore plus biaisées.

Refaire fabriquer du nouveau contenu de qualité par des humains pour alimenter l'IA aiderait, mais ça n'arrivera pas. Personne ne veut le faire, ni payer pour.

Les IA génératives (genAI, LLM) ont besoin d'un matériau source généré par des humains. Entraîner les IA sur des données générées par des IA donne des résultats désastreux.

Problème : si tout le monde produit des données plus ou moins synthétiques, les données humaines vont se raréfier, et les modèles d'IA ne pourront plus être correctement entraînés Cf. https://next.ink/145131/lentrainement-sur-des-donnees-synthetiques-talon-dachille-de-lia-generative