Date limite des connaissancesKnowledge cutoff
Réponse directe
La date jusqu’à laquelle les connaissances apprises par un modèle sont considérées comme les plus complètes ou fiables.
Explication détaillée
Un modèle entraîné sur un ensemble de données ne connaît pas automatiquement les événements apparus ensuite. La date limite des connaissances indique jusqu’où son savoir interne est généralement le plus fiable, mais elle ne constitue pas une frontière parfaite. Un outil peut accéder à des informations plus récentes grâce à une recherche web, un document fourni, une base connectée ou un système RAG.
Exemple
Un modèle dont la date limite est janvier 2025 peut ignorer une loi adoptée en 2026. S’il dispose d’un accès au web ou du texte officiel dans son contexte, il peut néanmoins analyser cette information récente.
Analogie
C’est la date d’édition d’une encyclopédie : elle renseigne sur sa mise à jour, mais ne dit pas que chaque fait antérieur y figure ni qu’aucune note récente n’y a été ajoutée.
Erreurs fréquentes
« Le modèle connaît tous les événements antérieurs à cette date. » La couverture des données reste incomplète et inégale.
« Il ne peut rien savoir après cette date. » Des outils ou des documents fournis peuvent lui apporter des informations récentes.
« La date de sortie du modèle est sa date limite. » Ce sont deux informations différentes.
Termes liés
Sources
- Google Cloud — Why grounding matters in enterprise AI — Google Cloud · consulté le 2026-07-24
- Anthropic — Models overview et définition du knowledge cutoff — Anthropic · consulté le 2026-07-24
Dernière mise à jour : 24/07/2026 · Rédaction : Alban Speckaert