Elena Petrova
Science des données
Elena rédige des études de données et des benchmarks, ainsi que des articles sur la qualité des données collectées : comment la mesurer, la nettoyer et construire des jeux de données solides.
Écrit sur
- Études de données et benchmarks
- Qualité des données
- Construction de jeux de données
Articles de Elena Petrova
-
26 octobre 2026 · Base de connaissances
Marketplaces et licences de données d'entraînement IA : quand acheter, quand collecter
Comment fonctionnent les marketplaces de données d'entraînement IA et les accords de licence, ce que coûtent réellement les données sous licence, et une grille pratique pour décider quand acheter un jeu de données et quand le collecter vous-même.
-
24 octobre 2026 · Base de connaissances
Provenance dans le pipeline d'entraînement de l'IA : prouver d'où provient votre jeu de données
Ce que signifie la provenance des données d'entraînement IA en pratique : le registre à tenir pour chaque document, ce que demande le résumé de l'EU AI Act, et comment le faire respecter de bout en bout.
-
19 octobre 2026 · Scraping
Économie des tentatives : le numéro de tentative à partir duquel réessayer cesse d'être rentable
Chaque nouvelle tentative a moins de chances de réussir que la précédente. Comment déterminer le moment où réessayer cesse d'être rentable, à partir de vos propres logs et de quelques lignes de Python.
-
15 octobre 2026 · Proxies résidentiels
Comprendre la diversité des ASN dans les réseaux de proxys résidentiels
Un nombre élevé d'IP ne dit pas grand-chose si la plupart des adresses se trouvent sur quelques réseaux seulement. Comment mesurer la diversité des ASN dans un pool de proxys, quelles mesures utiliser et à quoi ressemble un bon résultat.
-
11 octobre 2026 · Base de connaissances
Les CAPTCHA arrêtent-ils les bots ou les ralentissent-ils simplement ? Mesurer la dissuasion face au taux de résolution
Ce que deux décennies de recherche nous apprennent sur les CAPTCHA : combien de temps ils coûtent aux humains, à quelle fréquence les bots et les agents IA les résolvent, et pourquoi ils fonctionnent désormais comme un coût.
-
8 octobre 2026 · Scraping
Efficacité de la charge utile : quelle part d'une page scrapée est du code répétitif que vous avez payé
Nous avons mesuré 278 pages de contenu parmi les 1 000 premiers sites. Le texte que vous voulez représente environ 1% du HTML et une infime part de ce qu'un navigateur télécharge.
-
7 octobre 2026 · Proxies résidentiels
Shifter dispose désormais du plus grand pool d'IP résidentielles US actives
Nous avons retesté Shifter sur notre benchmark de proxies résidentiels : 212 212 IP US actives sur 250 000 requêtes, le plus grand pool US actif parmi les 16 réseaux que nous avons mesurés.