L'échantillonnage d'incertitude est le mécanisme de routage des données

Une lecture du Honest Architect de How Active Learning Can Train Machine Learning Models with Less Data, publié le 2026-06-23 par Mind Foundry.

La affirmation de surface est une étude de cas : entraîner un classifieur Support Vector Machine sur des sous-ensembles du jeu de données de chiffres MNIST (5 000 / 10 000 / 15 000 points tirés de 60 000) en utilisant quatre stratégies d'échantillonnage — aléatoire, par incertitude, par entropie et par marge — et mesurer le rapport précision-temps-d'entraînement. Le Honest Architect le lit pour le mécanisme et en trouve cinq. Celui qui porte la charge est le critère d'échantillonnage : les trois stratégies qui mesurent l'incertitude de prédiction du modèle maintiennent plus de 99 % de la précision en moins de 25 % du temps, tandis que l'échantillonnage aléatoire — qui ne mesure pas — perd en précision. Theorem 3 dans le HAI Engine d'Everythink affirme la même forme : une propriété est garantie exactement lorsque son mécanisme est implémenté et mesure. Ici la propriété est « précision comparable avec moins de données » ; le mécanisme est « un critère d'échantillonnage qui mesure l'incertitude de prédiction et route le prochain point d'entraînement vers là où le modèle est le moins confiant ». La taille du jeu de données n'est pas le mécanisme ; le critère l'est.

Ce billet extrait cinq formes de mécanisme, applique Theorem 3 à chacune et trace des parallèles inter-domaines avec Everythink. Chaque parallèle est marqué ⚠️ — Everythink opère dans la prévision civile et défensive, l'article de Mind Foundry dans la formation ML, donc le parallèle est structurel, pas une affirmation que nos systèmes servent le même marché. Les cinq formes de mécanisme elles-mêmes sont ✅.

Mécanisme 1 — La mesure d'incertitude est le mécanisme de même-précision-avec-moins-de-données

Trois des quatre stratégies — échantillonnage par incertitude (« les points sont sélectionnés sur la base de l'incertitude de prédiction du modèle ML sur leur classe »), échantillonnage par entropie (« les points sont sélectionnés avec une entropie de probabilité de classe maximale ») et échantillonnage par marge (« les points sont choisis pour lesquels la différence entre les classes la plus et la deuxième plus probable est la plus petite ») — partagent une chose : chacune mesure une quantité dérivée des probabilités de classe prédites par le modèle, puis route le prochain point d'entraînement vers là où cette quantité est extrême. Le Honest Architect lit cela comme une affirmation de mécanisme : une précision comparable avec moins de données est garantie par un critère d'échantillonnage qui mesure l'incertitude de prédiction, non par la réduction de la taille du jeu de données. Le mécanisme qui produit « plus de 99 % de la performance avec un sous-ensemble de 10 000 points, en moins de 25 % du temps » est « le critère mesure l'incertitude du modèle et route la prochaine sélection vers la région incertaine ». L'incertitude est la mesure ; la taille est la charge. ✅ Production.

Les quatre stratégies sélectionnent 10 000 points du même pool de 60 000 ; la taille est maintenue constante. Ce qui diffère, c'est si le critère de sélection mesure l'état du modèle. Les trois qui mesurent maintiennent la précision ; celle qui ne mesure pas (aléatoire) la perd. La mesure est le facteur de différenciation, non la taille. La propriété que mesure l'article est elle-même un rapport — précision par unité de temps d'entraînement —, non un absolu : « pour une chute de précision de moins de 1 %, nous pouvons réduire le temps d'entraînement du modèle de 75 %. » Le 1 % et les 75 % sont les deux faces de la même métrique ; rapporter l'une sans l'autre tromperait.

Le parallèle inter-domaine avec l'Oracle d'Everythink est seulement structurel. L'Oracle normalise les probabilités en exactement un endroit et estampille l'entropie en nats sur chaque fusion — une quantité mesurée qui indique où la distribution est la moins décidée. L'échantillonnage par entropie sélectionne les points avec une entropie de probabilité de classe maximale ; l'Oracle estampille l'entropie sur chaque fusion. Même signal : l'entropie mesure où le modèle est le moins confiant, et cette mesure est le mécanisme. ⚠️ Partial — l'Oracle sert la prévision civile et défensive, l'échantillonnage par entropie de Mind Foundry sert la formation ML. Domaines différents, même signal.

Mécanisme 2 — Le critère d'échantillonnage est le mécanisme, non la taille du jeu de données

L'article énonce le cadrage : « en réduisant le volume de données tout en conservant la grande majorité de son pouvoir prédictif inhérent, nous pouvons entraîner un modèle de machine learning avec une performance comparable en une fraction du temps. » Le Honest Architect lit cela comme une affirmation de Theorem 3 : la propriété « performance comparable en une fraction du temps » est garantie par le critère d'échantillonnage, non par la réduction de volume. Réduire le volume est une charge — ce que l'on veut — mais pas le mécanisme. Le mécanisme est le critère qui sélectionne QUEL volume conserver. La propre evidence de l'article le prouve : l'échantillonnage aléatoire réduit aussi le volume (il sélectionne 10 000 sur 60 000) et perd en précision. Si la réduction de volume était le mécanisme, l'échantillonnage aléatoire maintiendrait aussi la précision. Il ne le fait pas. Le critère qui mesure l'incertitude du modèle est le mécanisme ; la réduction de volume est la conséquence. ✅ Production.

Le cadrage est « responsable par conception », non « volume par volume » : « en utilisant une IA responsable par conception, nous pouvons réduire ces problèmes tout en maintenant la performance. » Le mécanisme est intégré à l'étape de sélection, non ajouté après l'entraînement. La réduction de volume est un résultat mesuré du critère, non une cible que le critère poursuit.

Le parallèle inter-domaine avec « the space is the router » d'Everythink est seulement structurel. La topologie d'Everythink est network → community → room : une requête est routée vers une room avant que quoi que ce soit réponde, dans la couche d'infrastructure. Le critère d'échantillonnage route le prochain point d'entraînement avant que le modèle s'entraîne dessus ; la topologie route la requête avant que la room réponde. Même forme : le routage précède le travail, et le routage est le mécanisme qui borne le coût du travail. ⚠️ Partial — « the space is the router » sert la prévision civile et défensive, le critère d'échantillonnage de Mind Foundry sert la formation ML. Domaines différents, même forme.

Mécanisme 3 — L'échantillonnage aléatoire est le contrôle qui prouve le mécanisme

L'article énonce le résultat de contrôle : « l'échantillonnage aléatoire est la plus rapide de toutes les stratégies, mais provoque aussi une chute significative de précision, ce qui signifie qu'une méthode plus stratégique devrait être utilisée. » Le Honest Architect lit cela comme un contrôle de Theorem 3 : la propriété se rompt lorsque le mécanisme ne mesure pas, même lorsque la charge (réduction de volume) est identique. L'échantillonnage aléatoire sélectionne les mêmes 10 000 points que les autres stratégies ; il réduit le volume du même facteur. Ce qu'il ne fait pas, c'est mesurer l'incertitude de prédiction du modèle. La propriété (précision) se rompt parce que le mécanisme (mesure d'incertitude) est absent. C'est le contrôle qui prouve le mécanisme : maintenir la charge constante, retirer la mesure, observer la propriété se rompre. ✅ Production.

« La plus rapide » n'est pas « la meilleure ». L'échantillonnage aléatoire est le plus rapide parce qu'il ne mesure rien — sélectionner 10 000 points au hasard est moins coûteux que de scorer 60 000 pour l'incertitude. L'avantage de vitesse est le coût de l'omission du mécanisme. « La plus rapide mais perd en précision » se lit comme « le mécanisme que tu omets est le mécanisme que tu paies dans la propriété ».

Le parallèle inter-domaine avec la prévision calibrée d'Everythink est seulement structurel. Les Sisters d'Everythink renvoient chacune un SisterOutput et l'Oracle fusionne — si l'Oracle omettait la mesure d'entropie et fusionnait à la majorité, l'ensemble serait la moyenne des Sisters, non un cône calibré. L'échantillonnage aléatoire omet la mesure et perd en précision ; omettez l'entropie et la fusion perd en calibration. Même forme : la mesure est le mécanisme, et l'omettre dégrade la propriété même lorsque le reste du pipeline est maintenu constant. ⚠️ Partial — la prévision calibrée sert la prévision civile et défensive, le contrôle de Mind Foundry sert la formation ML. Domaines différents, même forme.

[UNIQUE INSIGHT] L'étude de cas de Mind Foundry est une démonstration plus nette de Theorem 3 que la plupart des articles ML en production, parce qu'elle maintient la charge (taille) constante et ne fait varier que le mécanisme (critère). La plupart des articles « moins de données » confondent taille et critère ; celui-ci isole le critère en donnant à l'échantillonnage aléatoire le même budget de taille. Le tableau à quatre voies se lit comme une preuve de Theorem 3 : la propriété (précision) suit le mécanisme (mesure d'incertitude), non la charge (taille).

Mécanisme 4 — La requête humain-dans-la-boucle est le mécanisme de routage

L'article énonce le cadre plus large de l'active learning : « un algorithme d'apprentissage identifie les zones d'un problème ou d'un jeu de données où il bénéficiera le plus de l'entrée d'un expert humain et demande itérativement une entrée humaine sur ces zones au fil du temps, construisant progressivement une compréhension du contexte sous-jacent, sans nécessiter d'accès à toutes les données disponibles dans le jeu. » Le Honest Architect lit cela comme une affirmation de routage : le modèle route ses requêtes vers l'humain là où l'incertitude du modèle est la plus élevée, non là où la disponibilité de l'humain est la plus élevée. Le mécanisme qui produit « l'humain étiquette les points qui améliorent le plus le modèle » est « le modèle score sa propre incertitude et interroge l'humain sur les k points les plus incertains ». La requête est routée par l'incertitude du modèle, non par l'agenda de l'humain. ✅ Production.

Le routage est itératif : le modèle interroge, l'humain étiquette, le modèle ré-entraîne, le modèle interroge à nouveau sur la nouvelle région incertaine. Le routage est une boucle, non un lot. La boucle est le mécanisme qui accumule la compréhension sans nécessiter toutes les données à l'avance.

Le parallèle inter-domaine avec les Sisters d'Everythink est seulement structurel. Les Sisters d'Everythink sont cinq personnalités typées (analyst, contrarian, disruptor, historian, institutionalist) qui produisent chacune un brouillon, et l'Oracle fusionne — la diversité couvre l'espace d'incertitude que l'Oracle doit fusionner. Le modèle interroge l'humain sur ses points incertains ; l'Oracle fusionne les brouillons divers des Sisters. Même forme : la fusion couvre l'espace d'incertitude, et la couverture est le mécanisme qui produit une sortie calibrée. ⚠️ Partial — les Sisters servent la prévision civile et défensive, l'humain-dans-la-boucle de Mind Foundry sert la formation ML. Domaines différents, même forme.

[PERSONAL EXPERIENCE] Le HAI Engine fait tourner cette boucle en production depuis 2016 — pas la boucle de requête d'active learning, mais la même forme : des agents typés produisent des sorties, une étape de fusion calibre l'ensemble, et la fusion est pondérée par une quantité mesurée (entropie) sur chaque sortie. La forme est la même ; le domaine est la prévision civile et défensive, non la classification MNIST. the 21 papers formalisent la forme comme Theorem 3.

Mécanisme 5 — Le ré-entraînement itératif est le mécanisme des contextes de ré-entraînement fréquent

L'article énonce le cadrage de production : « particulièrement dans les contextes itératifs avec un ré-entraînement fréquent, cette stratégie peut améliorer significativement l'usage quotidien. » Le Honest Architect lit cela comme une affirmation de production : la valeur du mécanisme se compose dans les contextes qui se ré-entraînent fréquemment, parce que la réduction de 75 % du temps s'applique à chaque ré-entraînement, non une seule fois. Le mécanisme qui produit « amélioration quotidienne significative » est « le critère d'échantillonnage réduit le coût de chaque ré-entraînement, et le ré-entraînement tourne souvent ». La fréquence de ré-entraînement est l'amplificateur ; le critère est le mécanisme. ✅ Production.

La composition est dans la boucle de ré-entraînement, non dans une seule exécution. Une réduction de 75 % du temps sur un seul entraînement est un économie ponctuelle ; les mêmes 75 % sur chaque ré-entraînement dans une boucle quotidienne est une réduction structurelle des coûts. « Contextes itératifs avec un ré-entraînement fréquent » est le contexte de production où le mécanisme se rentabilise.

Le parallèle inter-domaine avec le World Monitor d'Everythink est seulement structurel. World Monitor fait tourner un poller en arrière-plan par source sur un calendrier fixe — le poller tire le flux, le normalise en un GeoSignal, l'upsert dans un cache Postgres durable et livre le delta à un GeoPublisher. Le ré-entraînement fréquent compose l'économie d'échantillonnage ; la poll fréquente compose le succès de cache. Même forme : une boucle planifiée compose une économie par itération, et la boucle est le mécanisme qui produit la réduction structurelle des coûts. ⚠️ Partial — World Monitor sert la livraison civile et défensive de signaux géo, le ré-entraînement itératif de Mind Foundry sert la formation ML. Domaines différents, même forme.

Ce que cela implique pour la portée et les limites

L'article de Mind Foundry porte sur la formation ML avec une étude de cas MNIST. La plateforme d'Everythink porte sur la prévision civile et défensive. Les parallèles inter-domaines de ce billet sont structurels — ils partagent des formes de mécanisme, pas des marchés. Le Honest Architect marque les parallèles ⚠️.

Le propre go-to-market d'Everythink pour l'active learning ou le subsetting commercial de données est en 🔵 Roadmap — la plateforme est pre-revenue, et toute application commerciale des parallèles dressés ici est soumise à cet état Roadmap et à la révision Howey avant de pouvoir être offerte. Les parallèles architecturaux tiennent indépendamment ; les affirmations commerciales non.

Ce que l'article n'affirme pas mérite aussi une marque. Il n'affirme pas que l'échantillonnage aléatoire est inutile — c'est le contrôle qui prouve le mécanisme. Il n'affirme pas que les trois stratégies mesurées sont interchangeables — l'article les compare sur un jeu de données et un classifieur, et le Honest Architect lit la comparaison comme une démonstration de Theorem 3, non comme un classement. Il n'affirme pas que le rapport 99 % / 75 % se généralise à chaque jeu de données — l'article limite le résultat aux « jeux de données de classification » où « 90 %+ de précision maximale suffit ». Ces limites de portée sont l'honnêteté de l'article, et ce billet les préserve.

[ORIGINAL DATA] La série des the 21 papers d'Everythink formalise Theorem 3 comme : une propriété est garantie exactement lorsque son mécanisme est implémenté et mesure. Le tableau à quatre voies de Mind Foundry (aléatoire / incertitude / entropie / marge, maintenant la taille constante) est l'illustration la plus nette de Theorem 3 en ML de production que le Honest Architect ait lue cette année, parce qu'elle isole le mécanisme en maintenant la charge constante et en retirant la mesure dans un bras. La propriété (précision) suit le mécanisme (mesure d'incertitude), non la charge (taille). C'est Theorem 3 dans un domaine différent.

Points clés

• Une précision comparable avec moins de données est garantie par un critère d'échantillonnage qui mesure l'incertitude de prédiction, non par la réduction de la taille du jeu de données. L'incertitude est la mesure ; la taille est la charge. ✅ Production.
• Le critère d'échantillonnage est le mécanisme, non la taille du jeu de données. Le bras d'échantillonnage aléatoire de l'article le prouve : il réduit le volume du même facteur et perd en précision, parce qu'il ne mesure pas. ✅ Production.
• L'échantillonnage aléatoire est le contrôle qui prouve le mécanisme. La propriété se rompt lorsque le mécanisme ne mesure pas, même lorsque la charge est identique. ✅ Production.
• La propriété est un rapport (précision par unité de temps d'entraînement), non un absolu. La chute de précision de 1 % et la réduction de temps de 75 % sont les deux faces de la même métrique. ✅ Production.
• La requête humain-dans-la-boucle est le mécanisme de routage : le modèle route ses requêtes vers l'humain là où son incertitude est la plus élevée, non là où la disponibilité de l'humain est la plus élevée. ✅ Production.
• Le ré-entraînement itératif est le mécanisme des contextes de ré-entraînement fréquent. La réduction de 75 % du temps se compose au fil de la boucle de ré-entraînement, et la boucle est l'amplificateur. ✅ Production.
• Les parallèles inter-domaines avec l'Oracle (entropie en nats sur chaque fusion), « the space is the router » (le routage précède le travail), les Sisters (couverture de l'espace d'incertitude), le HAI Engine (la boucle de fusion en marche depuis 2016) et World Monitor (la boucle planifiée compose l'économie) sont seulement structurels — marchés différents, mêmes formes de mécanisme. ⚠️ Partial.
• Le go-to-market commercial d'Everythink pour l'active learning ou le subsetting de données est en 🔵 Roadmap — pre-revenue, soumis à la révision Howey ; les parallèles architecturaux tiennent, les affirmations commerciales non.

Questions fréquentes

L'active learning réduit-il la quantité de données que vous devez étiqueter ? Oui, mais la réduction est une conséquence, non le mécanisme. Le mécanisme est le critère d'échantillonnage qui mesure l'incertitude du modèle et route la prochaine requête d'étiquette vers le point le plus incertain. L'étude de cas de Mind Foundry montre que l'échantillonnage aléatoire — qui réduit aussi le jeu de données — perd en précision parce qu'il ne mesure pas. Moins de données est la charge ; le critère est le mécanisme. ✅ Production.

L'échantillonnage par incertitude est-il identique à l'échantillonnage par entropie ? Apparentés mais non identiques. L'échantillonnage par incertitude sélectionne les points où l'incertitude de prédiction du modèle est la plus élevée ; l'échantillonnage par entropie sélectionne les points où la distribution de probabilité de classe a une entropie maximale ; l'échantillonnage par marge sélectionne les points où l'écart entre les deux classes les plus probables est le plus petit. Les trois mesurent une quantité dérivée des probabilités prédites du modèle, et les trois maintiennent plus de 99 % de la précision en moins de 25 % du temps sur MNIST. Le signal partagé est « mesurer l'incertitude du modèle » ; la quantité spécifique diffère. ✅ Production.

Comment cela se relie-t-il au Theorem 3 d'Everythink ? Theorem 3 affirme : une propriété est garantie exactement lorsque son mécanisme est implémenté et mesure. Le tableau à quatre voies de Mind Foundry est une démonstration de Theorem 3 : la propriété (précision comparable avec moins de données) est garantie lorsque le mécanisme (échantillonnage conscient de l'incertitude) mesure (bras incertitude, entropie, marge) et se rompt lorsque le mécanisme ne mesure pas (bras aléatoire). La charge (taille du jeu de données) est maintenue constante ; seule la mesure diffère. La propriété suit la mesure, non la charge. ⚠️ Partial — le parallèle est structurel ; Everythink sert la prévision civile et défensive, Mind Foundry sert la formation ML.

Everythink utilise-t-il l'active learning en production ? Le HAI Engine d'Everythink fait tourner une boucle apparentée en production depuis 2016 : les Sisters typées produisent des brouillons, l'Oracle fusionne avec une entropie en nats estampillée sur chaque fusion, et la fusion est pondérée par une quantité mesurée. La forme est la même (mesurer l'incertitude, router la fusion) ; le domaine est la prévision civile et défensive, non la classification MNIST. Un go-to-market commercial pour l'active learning ou le subsetting de données est en 🔵 Roadmap — pre-revenue, soumis à la révision Howey. ✅ Production (la boucle du HAI Engine) ; 🔵 Roadmap (active learning commercial).

Quelle est la limite de portée que le Honest Architect préserve ? L'article de Mind Foundry limite son résultat aux jeux de données de classification où 90 %+ de précision maximale suffit, sur un classifieur (SVM) et un jeu de données (MNIST). Le Honest Architect ne généralise pas le rapport 99 % / 75 % à chaque jeu de données ou modèle. La forme du mécanisme (mesurer l'incertitude, router la prochaine sélection) se généralise ; le rapport spécifique non. the 21 papers formalisent la forme ; l'étude de cas l'instancie. ✅ Production.

Si vous voulez une plateforme de prévision dont l'étape de fusion est pondérée par une quantité mesurée sur chaque sortie — non par une affirmation —, lisez les articles derrière le HAI Engine. the 21 papers et Theorem 3 sont le fondement formel ; le moteur tourne en production depuis 2016.

Sources

• Mind Foundry, How Active Learning Can Train Machine Learning Models with Less Data, publié le 2026-06-23. https://www.mindfoundry.ai/blog/how-active-learning-can-help-you-train-models-with-less-data (récupéré le 2026-08-23).
• Architecture de la plateforme Everythink : HAI Engine en production depuis 2016 ; Theorem 3 (une propriété est garantie exactement lorsque son mécanisme est implémenté et mesure) ; the 21 papers ; topologie « the space is the router » (network → community → room route avant que quoi que ce soit réponde) ; normalisation de l'ensemble Oracle avec entropie en nats estampillée sur chaque fusion ; Sisters typées (analyst, contrarian, disruptor, historian, institutionalist) renvoyant SisterOutput ; World Monitor (poller en arrière-plan par source sur un calendrier fixe, les clients lisent le cache non les upstreams) ; portée de prévision civile et défensive uniquement.