Dans les logiciels traditionnels, nous disons à l'ordinateur quoi faire étape par étape avec des règles. Dans l'apprentissage automatique (machine learning), nous donnons à l'ordinateur de nombreux exemples et le laissons élaborer les règles lui-même. L'apprentissage automatique est la branche de l'intelligence artificielle la plus utilisée aujourd'hui.
Un exemple simple : le filtre anti-spam
Écrire chaque règle qui décide si un e-mail est un spam est pratiquement impossible. Au lieu de cela, le système reçoit des milliers d'e-mails étiquetés "spam" ou "normal". Le modèle apprend les modèles dans ces exemples et devient capable de classer de nouveaux e-mails qu'il n'a jamais vus.
Trois types principaux d'apprentissage
- Apprentissage supervisé : Le modèle est entraîné sur des exemples avec des réponses correctes connues. Prédire le prix des maisons, reconnaître des objets dans des images et détecter le spam en sont des exemples.
- Apprentissage non supervisé : Le modèle découvre des groupes et des structures cachés dans des données non étiquetées, comme le regroupement de clients par comportement d'achat similaire.
- Apprentissage par renforcement : Le modèle apprend la meilleure stratégie par essais et erreurs, guidé par des récompenses et des pénalités. Les IA jouant à des jeux et certaines applications robotiques utilisent cette méthode.
Apprentissage profond et réseaux de neurones
L'apprentissage profond (deep learning) est une approche d'apprentissage automatique inspirée du fonctionnement du cerveau, utilisant des « réseaux de neurones artificiels » multicouches. Grâce au Big Data et aux processeurs puissants, il a permis des avancées majeures dans la reconnaissance vocale, le traitement d'image, la traduction et les assistants de chat générateurs de texte.
Exemples du quotidien
- Recommandations sur les plateformes vidéo et musicales
- Déverrouillage par reconnaissance faciale sur les téléphones et regroupement automatique dans les galeries photo
- Détection des transactions suspectes par les banques
- Prédictions de trafic dans les applications de cartographie
- Traduction automatique et assistants vocaux
Limites et risques
- Qualité des données : Un modèle n'est aussi bon que les données sur lesquelles il est entraîné. Des données incomplètes ou erronées conduisent à des résultats erronés.
- Biais : Les biais sociaux présents dans les données d'entraînement peuvent se refléter dans le modèle, c'est pourquoi la construction de systèmes équitables et transparents est un domaine de recherche important.
- Explicabilité : Il peut être difficile de comprendre comment certains modèles complexes parviennent à une décision.
- Confidentialité : La manière dont les données personnelles sont utilisées lors de l'entraînement nécessite une attention juridique et éthique.
Comment un modèle est-il entraîné et testé ?
Dans les projets d'apprentissage automatique, les données sont généralement divisées en trois parties. Cette division est le moyen fondamental de savoir si un modèle a réellement appris :
- Données d'entraînement : Le jeu de données principal à partir duquel le modèle apprend des modèles ; la plus grande part des données va ici.
- Données de validation : Utilisées pendant l'entraînement pour choisir les paramètres du modèle et comparer différentes tentatives.
- Données de test : Utilisées une seule fois à la toute fin pour mesurer les performances du modèle sur des données qu'il n'a jamais vues.
Lorsque les données sont limitées, la méthode de « validation croisée » divise les données en plusieurs parties et utilise chaque partie à tour de rôle pour les tests, afin que le résultat ne dépende pas d'une seule division chanceuse.
Surapprentissage : le modèle qui mémorise
L'un des problèmes les plus courants dans l'apprentissage automatique est le « surapprentissage » (overfitting). Dans ce cas, le modèle mémorise non seulement les règles générales des données d'entraînement, mais aussi ses détails aléatoires et son bruit. En conséquence, il semble presque parfait sur les données d'entraînement, mais ses performances chutent nettement sur de nouvelles données. C'est exactement comme un étudiant qui mémorise les questions des années précédentes sans comprendre le sujet et qui se retrouve ensuite en difficulté face à une nouvelle question. Collecter plus de données variées, ne pas rendre le modèle plus complexe que nécessaire et arrêter l'entraînement lorsque les performances sur les données de validation commencent à chuter sont des moyens courants de réduire le surapprentissage.
Questions fréquemment posées
L'IA et l'apprentissage automatique sont-ils la même chose ?
Non. L'IA est un domaine vaste couvrant les systèmes qui se comportent de manière intelligente ; l'apprentissage automatique est l'une des méthodes les plus courantes au sein de celui-ci.
De quoi ai-je besoin pour apprendre l'apprentissage automatique ?
Des bases en statistiques, en algèbre linéaire et un langage de programmation (généralement Python) sont un bon début. De nombreuses ressources en ligne gratuites sont disponibles.
Sources et lectures complémentaires
- Google – Cours intensif sur l'apprentissage automatique (jeux de données et surapprentissage)
- Goodfellow, I., Bengio, Y. et Courville, A. (2016), Deep Learning, MIT Press
- Documentation scikit-learn – Validation croisée : évaluation des performances de l'estimateur
Laisser un commentaire
Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont marqués *