NVIDIA et Elith publient des données synthétiques pour tester des IA en japonais

NVIDIA et Elith ont publié le 9 novembre 2026 des données synthétiques pour développer et tester des IA en japonais. Leur présentation de Nemotron-Personas-Finance-Japan décrit des profils financiers fictifs construits à partir de statistiques publiques. Elle annonce aussi un jeu de documents synthétiques où les informations personnelles sont annotées. Les deux publications répondent à des besoins distincts. L’une sert à simuler des situations d’usage. L’autre aide à mesurer ce qu’un système repère ou masque dans un document.

Des profils financiers construits à partir de distributions

Le jeu Nemotron-Personas-Finance-Japan associe des informations sur la composition des ménages et les métiers à des données sur le patrimoine ou la culture financière. NVIDIA annonce neuf millions de descriptions de profils sur un million d’enregistrements. Ce total compte neuf descriptions par enregistrement. Il ne s’agit pas de neuf millions de clients ou de dossiers bancaires.

Les auteurs expliquent qu’ils ont utilisé des statistiques officielles et des enquêtes publiques pour construire les distributions. Un modèle a ensuite servi à rédiger les descriptions en japonais. Des acteurs du secteur financier japonais ont apporté des retours à la conception. NVIDIA indique une licence CC BY 4.0 pour les profils. Elle permet notamment les usages commerciaux sous condition d’attribution.

Deux manières d’évaluer une IA avec des données fictives

Simuler une demande de client

Une équipe peut partir d’un profil pour construire une conversation de test. Elle peut par exemple vérifier si un assistant explique aussi clairement un service à une personne qui le découvre et à une personne qui connaît déjà son fonctionnement. Des profils différents aident à couvrir plus de situations sans importer de fichiers clients dans le test. Ils ne donnent aucune mesure à eux seuls. Il faut définir ce que l’assistant doit expliquer et vérifier ce qu’il répond réellement.

Repérer des informations dans un document

Le jeu Nemotron-PII-Japan contient 100 000 documents d’entreprise synthétiques. Les annotations servent à indiquer où figurent certaines informations personnelles fictives. Elles fournissent ainsi une référence pour vérifier si un outil repère les éléments attendus. Une équipe peut mesurer les oublis et les passages masqués à tort. Cette distinction importe lorsque le résultat doit préserver la lisibilité d’un document tout en protégeant certaines données.

Les situations couvertes restent celles des données de test

Le recours à des données synthétiques évite d’avoir à utiliser des dossiers de vrais clients pour ces essais. La qualité d’un test dépend encore des distributions retenues et des cas couverts. Une population statistiquement proche d’un ensemble réel peut contenir des situations qui restent rares ou peu détaillées. Les documents synthétiques peuvent aussi différer des documents effectivement reçus par une organisation.

La publication rend donc disponibles des supports de simulation et de vérification. Elle ne constitue pas une mesure indépendante de l’efficacité d’un assistant ni de sa conformité. Pour un autre exemple où la composition d’un jeu de données oriente les évaluations possibles, voir les ressources publiées avec Nemotron 3.5 Transcribe. La question reste la même. Quels cas sont représentés et quel résultat l’équipe cherche-t-elle à vérifier ?