ENCYCLOPÉDIE · FONDEMENTS & MODÈLES
Apprentissage automatique
Apprendre des régularités à partir de données.
L’apprentissage automatique, ou machine learning, désigne une famille de méthodes qui utilisent des données pour ajuster un modèle capable de produire des résultats sur de nouveaux cas. Il se distingue de l’écriture manuelle d’une règle pour chaque situation.
Sa qualité dépend de ce qu’on demande au système, de la représentativité des exemples et de l’évaluation hors entraînement. L’apprentissage n’implique pas que le modèle interprète correctement le sens ou les causes d’un phénomène.
Ensemble de méthodes où un modèle ajuste ses paramètres grâce à des exemples ou des signaux d’entraînement afin de généraliser à de nouvelles situations.
01 / APPROFONDIR
Apprentissage supervisé, non supervisé et par renforcement
Dans l’apprentissage supervisé, les exemples comportent des étiquettes ou valeurs attendues : classer un document, prévoir un nombre, identifier une catégorie. Dans l’apprentissage non supervisé, l’algorithme cherche des structures, rapprochements ou groupes sans étiquettes de résultat imposées.
Dans l’apprentissage par renforcement, un agent ajuste sa stratégie en recevant des signaux de récompense dans un environnement. Ces catégories sont utiles pour comprendre les principes, mais un système réel peut combiner plusieurs méthodes.
- Classification : attribuer une catégorie, par exemple distinguer des types de messages.
- Régression : estimer une valeur continue, par exemple une consommation théorique.
- Regroupement : rechercher des similitudes dans des données non étiquetées.
- Renforcement : choisir des actions selon un signal d’évaluation différé.
02 / APPROFONDIR
Données d’entraînement, de validation et de test
Le jeu d’entraînement sert à ajuster les paramètres. Le jeu de validation aide à régler la méthode. Un jeu de test indépendant est utilisé pour estimer la généralisation finale. Si les exemples de test ont influencé les choix du modèle, l’évaluation risque d’être trop optimiste.
Une mauvaise couverture linguistique ou sociale et les changements de contexte peuvent dégrader la performance. La fuite de données, c’est-à-dire la présence d’informations indisponibles dans l’usage réel, peut également produire des scores trompeurs.
- Contrôler l’origine, la qualité et les droits associés aux données.
- Éviter de mélanger les exemples d’un même individu entre entraînement et test.
- Comparer les résultats entre groupes sans réduire les personnes à ces groupes.
- Renouveler les tests lorsque les usages ou les données évoluent.
03 / APPROFONDIR
Comment évaluer un modèle
Pour une classification, l’exactitude globale peut masquer des erreurs asymétriques. La précision mesure la proportion de prédictions positives correctes, tandis que le rappel mesure la proportion des cas positifs retrouvés. Une matrice de confusion aide à visualiser les catégories d’erreurs.
Le choix de la métrique dépend de la tâche. En contexte éducatif, manquer un besoin de soutien et attribuer à tort une difficulté ne produisent pas les mêmes conséquences ; il convient donc d’examiner les faux positifs et faux négatifs plutôt que de regarder un indicateur isolé.
- Définir ce qu’est une bonne réponse avant de mesurer.
- Comparer à une méthode simple ou à un travail humain de référence.
- Examiner les erreurs par catégorie et leur gravité.
- S’interroger sur la possibilité d’expliquer et de corriger le résultat.
04 / APPROFONDIR
Enseigner sans mystifier les modèles
Un exercice avec des données artificielles permet d’observer comment une règle apprise peut échouer sur un exemple atypique. Les élèves peuvent comparer deux classeurs entraînés sur des données différentes pour comprendre les biais d’échantillonnage.
Éviter d’utiliser des notes, dossiers ou données personnelles réels dans les démonstrations. Pour une activité d’initiation, des exemples inventés, de petites feuilles de calcul ou des cartes cartonnées suffisent souvent.
- Faire distinguer corrélation statistique et causalité.
- Présenter l’évaluation hors échantillon.
- Montrer qu’une erreur peut venir des données ou du modèle.
- Discuter des choix humains incorporés dans la mesure de performance.
PASSER DU SAVOIR À LA PRATIQUE
Quand le classifieur se trompe
Public : Lycée ou initiation interdisciplinaire
Objectif : Comprendre généralisation et biais de données.
Déroulement proposé
- Inventer un petit jeu de cartes représentant des objets avec deux propriétés et une catégorie.
- Construire à la main une règle de classification sur les trois quarts des cartes.
- Tester la règle sur les cartes restantes, y compris des cas différents des exemples.
- Réviser la règle et comparer les erreurs avant et après sans réutiliser secrètement le jeu de test.
Production attendue : Tableau d’erreurs et explication de deux limites de l’échantillon.
Critère de réussite : L’élève distingue entraînement, test et généralisation, sans confondre corrélation et preuve.
RECONNAÎTRE LES SIMPLIFICATIONS TROMPEUSES
Idées reçues et corrections
Idée reçue : Plus de données signifie toujours un meilleur modèle.
Ce qu’il faut retenir : Leur représentativité, leur qualité, le contexte et la méthode importent ; plus de données biaisées peut aggraver un problème.
Idée reçue : Une bonne précision sur l’entraînement garantit la fiabilité.
Ce qu’il faut retenir : Un modèle peut mémoriser des exemples et échouer en conditions nouvelles : c’est notamment le surapprentissage.
Idée reçue : Un algorithme est forcément neutre.
Ce qu’il faut retenir : Les objectifs, variables, étiquettes et critères d’évaluation reflètent des décisions humaines.
OUTIL D’AIDE À LA DÉCISION
Points à vérifier
- Les exemples couvrent la diversité attendue.
- Les jeux d’entraînement et de test sont séparés.
- Les erreurs les plus graves sont identifiées.
- Le résultat n’est pas présenté comme une cause prouvée.
Cette grille est indicative et ne remplace pas les consignes de votre établissement ni les règles applicables.
POUR ALLER PLUS LOIN
Questions fréquentes
Qu’est-ce que le surapprentissage ?
C’est la situation dans laquelle un modèle s’ajuste trop étroitement aux exemples d’entraînement et généralise mal à des données nouvelles.
Pourquoi une matrice de confusion ?
Elle indique quelles classes sont correctement ou incorrectement prédites ; elle est souvent plus informative qu’un pourcentage global.
Ce dossier contient des synthèses originales fondées sur les références indiquées. Les mises en situation sont des propositions pédagogiques, et non des résultats expérimentaux établis. Les documents institutionnels, scientifiques et juridiques ont des statuts distincts ; vérifier leur version et leur applicabilité avant de prendre une décision. Aucune source n’est censée valider automatiquement toutes les phrases de la fiche.
Signaler une erreur, une nuance manquante ou une source actualisée ↗