Cet article se concentre sur les techniques de crowdsourcing utilisées pour construire des ensembles de données raffinés à grande échelle, un élément moteur du développement de l'intelligence artificielle (IA) et de l'apprentissage automatique (AM). Les étiquettes générées par crowdsourcing peuvent contenir du bruit pour diverses raisons, ce qui nuit aux performances d'apprentissage. Dans cet article, nous présentons les dernières tendances de recherche en matière d'apprentissage à partir d'étiquettes issues de crowdsourcing bruyantes. Nous passons en revue les principaux modèles et traitements méthodologiques de crowdsourcing, des modèles statistiques classiques aux récentes approches basées sur l'apprentissage profond (Deep Learning). Nous insistons particulièrement sur le lien avec la théorie du traitement du signal (SP) (comme l'identifiabilité des factorisations tensorielles et matricielles non négatives), suggérant de nouvelles solutions aux défis persistants du crowdsourcing. Nous abordons également de nouveaux sujets importants pour le développement de systèmes d'IA/AM de nouvelle génération, tels que le crowdsourcing avec apprentissage par renforcement et retour humain (RLHF) et l'optimisation directe des préférences (DPO). Nous abordons notamment les techniques essentielles au perfectionnement des modèles linguistiques à grande échelle (LLM).
