Machine Learning

Définition complète

Le machine learning (ML) est l'approche de l'IA qui a remplacé la programmation symbolique dans la plupart des domaines depuis 2010. L'idée centrale : au lieu d'écrire à la main les règles que l'ordinateur doit suivre, on lui montre des milliers d'exemples et on le laisse découvrir les patterns.

Exemple historique : reconnaître si un email est un spam. - Approche symbolique : écrire des règles ("si l'email contient `viagra`, c'est du spam"). Long, fragile, contournable. - Approche ML : montrer 100 000 emails étiquetés spam/non-spam. Le modèle apprend lui-même quels patterns discriminent.

Le ML se divise en plusieurs grandes familles : - **Apprentissage supervisé** : on fournit des exemples étiquetés (input, output attendu). Le plus courant. - **Apprentissage non-supervisé** : on fournit des données sans étiquettes, le modèle trouve la structure (clustering, réduction de dimensions). - **Apprentissage par renforcement** : le modèle apprend par essai-erreur en recevant des récompenses (utilisé dans les jeux, les robots, l'alignement des LLMs avec RLHF). - **Apprentissage auto-supervisé** : la base de l'entraînement des LLMs — le modèle s'entraîne en prédisant les parties cachées de ses propres données (deviner le mot manquant).

Le deep learning est une sous-catégorie du ML qui utilise des réseaux de neurones profonds. C'est ce qui a permis les avancées spectaculaires en vision, parole et langage depuis 2012.