# Classification zero-shot : comment un modèle comprend des règles écrites en toutes lettres

> Comment un modèle applique-t-il « Pas de spoilers » sans avoir appris cette règle ? Inférence en langage naturel et règles de modération sur mesure.

Source: https://www.vigimod.com/fr/learn/zero-shot-classification-nli · VigiMod (https://www.vigimod.com) · mis à jour le 2026-11-11 · 7 min

## En bref

- Un classificateur zero-shot peut vérifier des catégories sur lesquelles il n'a jamais été entraîné, écrites sous forme de phrases.
- Beaucoup reposent sur l'inférence en langage naturel (NLI) : ce texte implique-t-il cette hypothèse ?
- Les règles de modération personnalisées (« Pas de vente de comptes ») deviennent des hypothèses notées comme n'importe quelle catégorie.
- Les règles courtes et concrètes marchent le mieux ; les règles vagues donnent des scores vagues.

## Le problème

Un classificateur classique ne connaît que les catégories sur lesquelles il a été entraîné. Mais chaque communauté a ses propres règles : pas de spoilers, pas de vente de comptes, seulement du football, pas de liens vers d'autres serveurs. Entraîner un nouveau modèle pour chaque règle de chaque communauté est impossible.

La **classification zero-shot** résout ce problème : le modèle reçoit la catégorie *sous forme de phrase* au moment de la requête et juge si le texte y correspond.

## L'inférence en langage naturel (NLI)

Beaucoup de classificateurs zero-shot reposent sur une tâche appelée **inférence en langage naturel**. Le modèle reçoit deux textes :

- une **prémisse** (ici : le message de la discussion),
- une **hypothèse** (ici : une règle ou la description d'une catégorie),

et décide si la prémisse **implique** l'hypothèse, la contredit ou est neutre.

| Prémisse (message) | Hypothèse | Réponse |
|---|---|---|
| « mdr le chien meurt à la fin » | « Ce message révèle l'intrigue d'un film ou d'une série. » | implique |
| « quelqu'un a vu le final ? » | « Ce message révèle l'intrigue d'un film ou d'une série. » | n'implique pas |
| « je vends mon compte niveau 80, MP » | « Ce message propose d'acheter ou de vendre des comptes de jeu. » | implique |

La probabilité de « implique » devient le **score** de la règle. Le même mécanisme gère aussi les catégories fixes : « insulte » n'est que l'hypothèse « Ce message insulte une personne ».

## Pourquoi cela se généralise

Pendant l'entraînement, le modèle voit des centaines de milliers de paires prémisse–hypothèse sur toutes sortes de sujets. Il n'apprend pas les règles elles-mêmes : il apprend **la compétence de vérifier** si un texte correspond à une description. Cette compétence s'applique à des règles qu'il n'a jamais vues, dans toutes les langues qu'il connaît.

## Écrire de bonnes règles

- **Le concret l'emporte sur l'abstrait.** « Pas d'achat, de vente ou d'échange de comptes ou d'objets » marche mieux que « Respectez l'économie ».
- **Une idée par règle.** Séparez « Pas de spam ni de politique » en deux règles.
- **Décrivez le comportement, pas une liste de mots.** « Ne révélez pas la fin des films ou des séries » repère les spoilers, quelle que soit leur formulation.
- **Testez sur de vrais exemples** et ajustez le seuil, comme pour toute catégorie.

## Le contexte aide aussi les règles

« Il meurt à la fin » n'est un spoiler que si la discussion porte sur une série. Les modèles zero-shot qui lisent aussi les messages précédents peuvent juger des règles qui dépendent de la discussion ; voir [le contexte dans la modération](https://www.vigimod.com/fr/learn/context-in-moderation).

## Dans VigiMod

Les règles sont envoyées avec chaque requête, jusqu'à 10, dans n'importe quelle langue :

`"rules": {"no-spoilers": "Pas de spoilers sur les films ou les séries"}`

Chaque règle renvoie son propre score et son signalement (`rule:no-spoilers`), à côté des catégories intégrées. Détails dans la [documentation](https://www.vigimod.com/en/docs).

## Quiz

1. Que signifie ici « zero-shot » ?
   Réponse: Le modèle a besoin de zéro exemple d'une règle pour la vérifier. La règle est donnée sous forme de phrase au moment de la requête, sans entraînement.
2. En NLI, le message de la discussion joue le rôle de…
   Réponse: la prémisse. Le message est la prémisse ; la règle est l'hypothèse.
3. Quelle règle a le plus de chances de bien marcher ?
   Réponse: « Pas d'achat, de vente ou d'échange de comptes de jeu ». Les règles concrètes sur un comportement donnent des scores plus nets.
4. Pourquoi le modèle peut-il vérifier une règle qu'il n'a jamais vue ?
   Réponse: Il a appris la compétence générale de vérifier si un texte correspond à une description. L'entraînement NLI apprend la correspondance, pas des règles précises.