Aller au contenu
Encyclopédie informatique Édition 2026

L'apprentissage automatique

Partie 2 sur 4

Niveau de lecture :

3Le déroulement d’un projet

Un projet d’apprentissage automatique suit généralement les mêmes étapes (figure 2) :

  1. Les données : les rassembler, vérifier leur qualité et leur représentativité, les étiqueter si nécessaire. C’est souvent l’étape la plus longue, et celle qui détermine le plus la qualité du résultat.
  2. La préparation : nettoyer les erreurs et les valeurs manquantes, transformer les données en caractéristiques (en anglais features) que le modèle peut utiliser, par exemple coder une catégorie en nombres, ou mettre des mesures à la même échelle.
  3. La séparation : diviser les données en un ensemble d’entraînement, qui sert à apprendre, un ensemble de validation, qui sert à régler le modèle, et un ensemble de test, mis de côté jusqu’à la fin pour mesurer honnêtement les performances.
  4. L’entraînement : choisir un type de modèle et ajuster ses paramètres sur les données d’entraînement (section 4).
  5. L’évaluation : mesurer les performances sur l’ensemble de test, avec des indicateurs adaptés (section 6).
  6. Le déploiement et la surveillance : mettre le modèle en service, puis surveiller ses performances, car le monde change : les habitudes des clients évoluent, les fraudeurs inventent de nouvelles techniques. On parle de dérive des données ; il faut alors réentraîner le modèle.
données collecter, étiqueter préparation nettoyer, coder séparation entraînement, test entraînement ajuster le modèle évaluation sur le test déploiement utiliser, surveiller entraînement (70 %) validation test si les performances baissent dans le temps : réentraîner avec des données récentes
Figure 2. Les étapes d’un projet, et la boucle de réentraînement.

4Comment une machine apprend

4.1Un modèle et ses paramètres

Un modèle est une fonction mathématique qui transforme des caractéristiques en prédiction, et dont le comportement dépend de nombres ajustables, ses paramètres. L’exemple le plus simple est la droite : pour prédire le prix d’un appartement à partir de sa surface, on peut supposer que prix = a × surface + b. Les paramètres sont a, le prix du mètre carré, et b, une part fixe. Apprendre consiste à trouver les valeurs de a et de b qui collent le mieux aux ventes observées. Un grand modèle de langage fonctionne sur le même principe, avec des milliards de paramètres au lieu de deux.

4.2Mesurer l’erreur

Pour savoir si un modèle colle aux données, on mesure son erreur avec une fonction de perte. Pour la droite, on calcule souvent l’erreur quadratique moyenne : pour chaque vente, on fait la différence entre le prix prédit et le prix réel, on l’élève au carré pour que les erreurs positives et négatives ne se compensent pas, et l’on fait la moyenne. Plus elle est faible, meilleur est l’ajustement. Pour une classification, on utilise d’autres fonctions de perte, qui pénalisent les prédictions confiantes et fausses.

4.3Descendre la pente

Comment trouver les paramètres qui minimisent l’erreur ? Pour deux paramètres, on pourrait essayer toutes les combinaisons ; pour des milliards, c’est impossible. On utilise la descente de gradient. Imaginez un randonneur perdu dans le brouillard sur une montagne, qui veut rejoindre la vallée : il tâte le sol autour de lui, repère la direction de la plus forte pente, fait un pas dans cette direction, et recommence. Le gradient est cette direction, calculée mathématiquement : il indique, pour chaque paramètre, dans quel sens le modifier pour réduire l’erreur. La taille du pas s’appelle le taux d’apprentissage : trop petit, l’apprentissage est interminable ; trop grand, on enjambe la vallée et l’on ne converge pas (exercice 6).

On distingue les paramètres, appris automatiquement, et les hyperparamètres, choisis par la personne qui entraîne le modèle : taux d’apprentissage, nombre de couches d’un réseau, profondeur d’un arbre de décision. Les hyperparamètres se règlent en comparant les résultats sur l’ensemble de validation.

5Apprendre, pas apprendre par cœur

5.1Le sur-apprentissage

L’objectif n’est pas de réussir sur les exemples d’entraînement, mais sur les nouveaux cas : on dit que le modèle doit généraliser. Un modèle trop simple n’arrive pas à capter la tendance des données : c’est le sous-apprentissage. Un modèle trop complexe, à l’inverse, peut épouser chaque point, y compris le bruit et les erreurs de mesure : il réussit parfaitement sur l’entraînement, mais se trompe sur les nouveaux cas, comme un élève qui aurait appris par cœur les corrigés sans comprendre la méthode. C’est le sur-apprentissage (en anglais overfitting), illustré par la figure 3.

sous-apprentissage trop simple : rate la tendance bon ajustement capte la tendance sur-apprentissage colle au bruit, généralise mal
Figure 3. Trop simple, juste ce qu’il faut, trop collé aux données.

5.2Le détecter et l’éviter

Le signe le plus clair du sur-apprentissage est un écart important entre les performances sur l’entraînement, excellentes, et sur la validation, nettement moins bonnes (exercice 4). Plusieurs remèdes existent :

  • plus de données, qui rendent plus difficile l’apprentissage par cœur ;
  • un modèle plus simple, avec moins de paramètres ou moins de profondeur ;
  • la régularisation, qui pénalise pendant l’apprentissage les modèles trop complexes ;
  • l’arrêt précoce, qui stoppe l’entraînement quand l’erreur de validation recommence à augmenter ;
  • la validation croisée, qui découpe les données en plusieurs parts et entraîne plusieurs fois en changeant la part réservée à la validation, pour une estimation plus fiable.

5.3La fuite de données

Un piège voisin, plus sournois, est la fuite de données : une information qui ne sera pas disponible au moment de la prédiction réelle se glisse dans les données d’entraînement. Un modèle qui prédit la réussite d’un traitement en utilisant, sans qu’on s’en rende compte, une variable enregistrée après le traitement obtiendra des résultats spectaculaires en test, et sera inutile en pratique (exercice 5). La règle d’or : l’ensemble de test doit ressembler exactement aux situations réelles, et ne jamais servir à prendre des décisions pendant la mise au point.