{"id":1183,"date":"2025-01-01T10:00:00","date_gmt":"2025-01-01T09:00:00","guid":{"rendered":"https:\/\/happynumeric.com\/lexique-intelligence-artificielle\/r\/definition-rouge\/"},"modified":"2025-01-01T10:00:00","modified_gmt":"2025-01-01T09:00:00","slug":"definition-rouge","status":"publish","type":"post","link":"https:\/\/happynumeric.com\/lexique-intelligence-artificielle\/r\/definition-rouge\/","title":{"rendered":"Rouge"},"content":{"rendered":"

ROUGE est une famille de m\u00e9triques utilis\u00e9es pour \u00e9valuer la qualit\u00e9 des r\u00e9sum\u00e9s de texte g\u00e9n\u00e9r\u00e9s automatiquement. Qu’est-ce que ROUGE ? Il s’agit d’un ensemble de mesures bas\u00e9es sur le recouvrement entre un r\u00e9sum\u00e9 g\u00e9n\u00e9r\u00e9 par une machine et un ou plusieurs r\u00e9sum\u00e9s de r\u00e9f\u00e9rence r\u00e9dig\u00e9s par des humains.<\/p>\n

Comment fonctionne ROUGE ?<\/h3>\n

ROUGE compare un r\u00e9sum\u00e9 g\u00e9n\u00e9r\u00e9 par l’IA avec un ou plusieurs r\u00e9sum\u00e9s de r\u00e9f\u00e9rence (consid\u00e9r\u00e9s comme \u00ab\u00a0id\u00e9aux\u00a0\u00bb) en calculant le chevauchement des n-grammes (s\u00e9quences de n<\/em> mots). Diff\u00e9rentes variantes de ROUGE se concentrent sur diff\u00e9rents aspects du recouvrement\u00a0:
\n* ROUGE-N:<\/strong> Mesure le recouvrement des n-grammes de longueur n<\/em> entre le r\u00e9sum\u00e9 g\u00e9n\u00e9r\u00e9 et la r\u00e9f\u00e9rence. Par exemple, ROUGE-1 compare les unigrammes (mots individuels), ROUGE-2 les bigrammes (paires de mots), etc. Imaginez que vous comparez deux recettes de g\u00e2teau. ROUGE-1 v\u00e9rifierait les ingr\u00e9dients individuels communs, tandis que ROUGE-2 examinerait les paires d’ingr\u00e9dients utilis\u00e9s ensemble.
\n* ROUGE-L:<\/strong> Consid\u00e8re la plus longue sous-s\u00e9quence commune (LCS) entre les deux r\u00e9sum\u00e9s, favorisant ainsi la coh\u00e9rence et l’ordre des mots.
\n* ROUGE-S:<\/strong> Utilise des skip-bigrams (paires de mots pouvant \u00eatre s\u00e9par\u00e9s par d’autres mots), ce qui le rend plus flexible face aux variations de formulation.
\nLe score ROUGE est g\u00e9n\u00e9ralement exprim\u00e9 sous forme de pourcentage, indiquant le degr\u00e9 de similarit\u00e9 entre le r\u00e9sum\u00e9 g\u00e9n\u00e9r\u00e9 et la r\u00e9f\u00e9rence. Un score plus \u00e9lev\u00e9 sugg\u00e8re une meilleure qualit\u00e9 du r\u00e9sum\u00e9.<\/p>\n

Pourquoi ROUGE est-il important\u00a0?<\/h3>\n

ROUGE est un outil essentiel en IA, notamment en traitement du langage naturel (NLP), car il permet d’\u00e9valuer automatiquement la performance des mod\u00e8les de r\u00e9sum\u00e9 automatique. Son utilisation facilite le d\u00e9veloppement et l’am\u00e9lioration de ces mod\u00e8les en fournissant une mesure quantifiable de leur efficacit\u00e9. Il est important de noter que ROUGE ne mesure que le recouvrement lexical et ne tient pas compte de la coh\u00e9rence s\u00e9mantique ou de la factualit\u00e9 du r\u00e9sum\u00e9. Par exemple, un r\u00e9sum\u00e9 g\u00e9n\u00e9r\u00e9 pourrait avoir un score ROUGE \u00e9lev\u00e9 tout en contenant des informations inexactes ou absurdes.<\/p>\n

Termes associ\u00e9s<\/h3>\n