# Annotation (Labellisation)

> Action d'ajouter des étiquettes ou des métadonnées aux données pour l'apprentissage supervisé.

- Page ZoneIA : https://zoneia.fr/glossaire/annotation-labellisation
- Type : Définition du glossaire IA
- Catégories : [Analyse de Données & Data](https://zoneia.fr/outils/categorie/analyse-donnees-data), [Code & Développement](https://zoneia.fr/outils/categorie/code-developpement-ia)
- Publié le : 2026-03-04
- Mis à jour le : 2026-05-22

L’annotation consiste à associer une **information cible** à des données brutes afin qu’un modèle puisse apprendre à faire des prédictions. En apprentissage supervisé, ces étiquettes représentent la “vérité terrain” (*ground truth*) : elles servent de référence pendant l’entraînement et l’évaluation.

## Comment ça fonctionne
On part d’un jeu de données (images, texte, audio, logs…) et on définit un **schéma d’annotation** : classes possibles, règles, niveau de détail. Les annotateurs (humains, experts métier ou prestataires) appliquent ces règles via des outils dédiés. L’annotation peut être :
- **Classification** (spam/non-spam, positif/négatif)
- **Détection/segmentation** (boîtes englobantes, masques de pixels)
- **Extraction** (entités nommées dans un texte, champs d’un document)
- **Séries temporelles** (événements, anomalies)

## À quoi ça sert
Des annotations de qualité améliorent la performance du modèle et réduisent les biais. Elles permettent aussi de mesurer la généralisation via des jeux **train/validation/test**.

## Exemples concrets
- Marquer des tickets support par catégorie pour automatiser le routage.
- Annoter des factures (montants, dates) pour l’OCR.
- Taguer des images produit pour la recherche visuelle.

La difficulté principale est la **cohérence** : il faut gérer l’ambiguïté, l’accord inter-annotateurs, et contrôler la qualité (revue, échantillonnage, *active learning*).

---

Source : ZoneIA, annuaire francophone des outils IA (https://zoneia.fr/glossaire/annotation-labellisation)