Intelligence artificielle
Comment une IA apprend
Ni magie ni conscience : des exemples, des ajustements, et des limites mesurables.
01Objectif
À la fin de cette séquence : Expliquer l'apprentissage supervisé avec ses propres mots, comprendre le rôle du jeu de test, et reconnaître un surapprentissage.
02L'essentiel
Apprendre, c'est ajuster à partir d'exemples
On montre des milliers de cas avec la bonne réponse. Le système ajuste ses réglages internes pour se tromper de moins en moins. Personne n'écrit les règles à la main.
Les données décident de tout
Un modèle entraîné sur des photos de chats en intérieur reconnaîtra mal un chat dans l'herbe. Ce qui manque dans les exemples manquera dans les résultats.
Il faut tester sur ce qu'il n'a jamais vu
On réserve une partie des exemples pour l'évaluation. Un système excellent sur ses données d'entraînement et médiocre sur les autres a mémorisé au lieu de comprendre : c'est le surapprentissage.
Un modèle ne sait pas qu'il ignore
Il produit toujours une réponse, avec le même aplomb qu'elle soit juste ou fausse. L'assurance du ton n'est jamais un indice de fiabilité.
03Le schéma
04À retenir
- Pas de règles écrites à la main : des exemples et un ajustement automatique.
- Ce qui manque dans les données manque dans les résultats.
- Excellent à l'entraînement, mauvais au test = surapprentissage.
05Exercice
Avec un outil d'entraînement en ligne dans le navigateur, apprenez à un modèle à distinguer deux gestes de la main avec une trentaine d'exemples chacun. Testez ensuite avec un autre éclairage, ou une autre personne. Que se passe-t-il ?
Indice — Ajoutez des exemples dans les conditions qui échouent, et mesurez le gain : c'est exactement le métier.
06Vérification des acquis
Qu'est-ce que le surapprentissage ?
Le modèle a mémorisé ses exemples d'entraînement au lieu d'en extraire des régularités. Il excelle sur ce qu'il connaît et échoue sur du nouveau.
Pourquoi un modèle peut-il être injuste ?
Parce qu'il reproduit les régularités de ses données. Si celles-ci reflètent un déséquilibre ou un préjugé, le modèle l'apprend et l'applique à grande échelle.