Qu’est-ce que l’apprentissage automatique ?
Réponse courte
L’apprentissage automatique est une méthode où un modèle informatique ajuste ses paramètres à partir d’exemples pour accomplir une tâche, comme classer des images ou prévoir une valeur. Il reste conçu et encadré par des humains.
Comprendre
Apprendre à partir d’exemples
Dans une approche par règles explicites, une personne décrit directement les conditions et les actions. En apprentissage automatique, on fournit plutôt des données et un objectif ; le modèle ajuste certains paramètres afin de repérer des régularités utiles. Le programme et la procédure existent toujours : l’apprentissage ne signifie pas que l’ordinateur agit sans instructions.
Les données et les réponses attendues
En apprentissage supervisé, chaque exemple d’entraînement est associé à une étiquette, c’est-à-dire une réponse de référence. Un système peut ainsi apprendre à distinguer des catégories d’images. Les exemples servent à ajuster le modèle ; des observations distinctes sont nécessaires pour vérifier ensuite s’il sait généraliser.
Deux tâches possibles
La classification attribue une catégorie, par exemple « chat » ou « chien » à une image. Une régression estime une valeur numérique : avec des données fictives, une droite y = 2x + 1 donne y = 9 pour x = 4. Cette prédiction décrit une relation dans le modèle ; elle ne prouve pas que x cause y.
Exemples
- Un classificateur apprend à distinguer des photographies de chats et de chiens à partir d’images étiquetées.
- Avec les couples fictifs (1 ; 3), (2 ; 5) et (3 ; 7), une droite y = 2x + 1 prédit 9 pour x = 4.
Pièges fréquents
- Croire que l’apprentissage automatique supprime tout programme : les humains définissent encore la tâche, les données et la procédure d’ajustement.
- Prendre l’ajustement réussi sur les exemples d’entraînement pour une preuve de généralisation : le modèle doit aussi être évalué sur des données nouvelles.
