Concepts fondamentaux du Machine Learning
Quand on parle d’intelligence artificielle (IA), on met souvent tout dans le même sac.
En réalité, il existe plusieurs grandes familles de modèles, qui se distinguent par ce qu’ils font et comment ils apprennent.
INFO
Les modèles de génération (texte, images, audio…) ne représentent qu’une partie de l’écosystème.
Qu’est-ce que le Machine Learning ?
Le Machine Learning (ML) est un sous-domaine de l’intelligence artificielle qui permet aux machines d’apprendre automatiquement à partir de données, sans être explicitement programmées.
Au lieu d’écrire des règles manuelles, on fournit :
- des données
- un objectif
- un algorithme
INFO
Le modèle apprend alors les règles par lui-même
Les grandes familles de modèles
Chaque famille répond à une question fondamentale différente.
Modèles de classification
👉 « C’est quoi ? »
Décider dans quelle catégorie appartient une donnée.
Exemples
- Email → spam / non spam
- Image → chat / chien
- Transaction → fraude / normale
Modèles de régression
👉 « Combien ? »
Prédire une valeur numérique continue.
Exemples
- Prix d’un appartement
- Temps de livraison
- Consommation électrique
Modèles de clustering (non supervisés)
👉 « Qui ressemble à qui ? »
Regrouper les données sans labels.
Exemples
- Segmentation client
- Regroupement d’articles
- Analyse de comportements
Modèles de détection d’anomalies
👉 « Qu’est-ce qui est anormal ? »
Identifier les comportements atypiques.
Exemples
- Fraude bancaire
- Pannes industrielles
- Intrusions réseau
Modèles de recommandation
👉 « Qu’est-ce qui pourrait t’intéresser ? »
Proposer du contenu pertinent.
Exemples
- Netflix
- Spotify
- Amazon
Modèles de réduction de dimension
👉 « Comment simplifier ? »
Réduire le nombre de variables tout en conservant l’essentiel.
Objectifs
- Visualisation
- Accélération des modèles
- Compression
Modèles de séries temporelles
👉 « Que va-t-il se passer ? »
Prédire le futur à partir du passé.
Exemples
- Prévisions de ventes
- Charge serveur
- Météo
Apprentissage par renforcement
👉 « Quelle action choisir ? »
Apprendre par essai-erreur à l’aide de récompenses.
Concepts clés
- Agent
- Environnement
- Récompense
- Politique
Modèles de génération
👉 « Que puis-je créer ? »
Créer du nouveau contenu.
Exemples
- Texte
- Images
- Audio
- Code
Les types d’apprentissage
| Type | Données utilisées | Objectif |
|---|---|---|
| Supervisé | Étiquetées | Prédire |
| Non supervisé | Non étiquetées | Découvrir |
| Renforcement | Récompenses | Décider |
Fonctionnement d’un projet de Machine Learning
- Collecte des données
- Nettoyage et préparation
- Choix du modèle
- Entraînement
- Évaluation
- Amélioration
- Déploiement
L’importance des données
Un modèle n’est jamais meilleur que ses données.
Qualité, volume et représentativité sont essentiels.