Une boucle de rétroaction en apprentissage automatique se produit lorsque les prédictions d’un modèle influencent les données qui seront ensuite utilisées pour entraîner ce modèle ou un autre modèle. De telles boucles peuvent renforcer des schémas, amplifier des biais ou modifier le comportement réel d’une manière qui affecte les performances futures du modèle.
In machine learning, a situation in which a model's predictions influence the training data for the same model or another model. For example, a model that recommends movies will influence the movies that people see, which will then influence subsequent movie recommendation models. See Production ML systems: Questions to ask in Machine Learning Crash Course for more information.