Apprentissage automatique
Les modèles apprennent des régularités dans les données et les appliquent à de nouvelles entrées.
Qu’est-ce que l’apprentissage automatique ?
L’apprentissage automatique est un domaine de l’intelligence artificielle où des modèles apprennent des régularités dans les données. Elles servent notamment à prédire, classer ou générer du contenu. Les méthodes varient. En apprentissage supervisé, les exemples comportent des valeurs ou classes cibles ; toute méthode n’exige pas ces étiquettes. L’apprentissage automatique ne se limite pas non plus aux réseaux de neurones.
Dans une entreprise de service fictive, un modèle doit classer les messages entrants par motif. L’approche supervisée choisie demande des exemples bien étiquetés et un contrôle sur des messages adaptés non utilisés pour l’entraînement. Les cas incertains sont traités par des personnes. Nouvelles formulations ou demandes différentes peuvent changer la pertinence ; réussir sur des exemples d’entraînement connus ne prouve pas seul l’utilité future.
Sources
Termes associés
- Intelligence artificielleL’intelligence artificielle recouvre notamment le traitement du langage et la reconnaissance de motifs. Son adéquation dépend de la tâche concrète.
- Apprentissage profondL’apprentissage automatique avec des réseaux de neurones à plusieurs couches de traitement.
- Réseau de neuronesUn modèle de nœuds de calcul reliés avec des paramètres ajustables.
- IA générativeL’IA générative produit des textes, images ou du code. Leur qualité s’évalue selon l’usage prévu et les informations disponibles.
- Fiche de modèleUne fiche de modèle documente l’objectif, les bases, les conditions d’évaluation et les limites connues d’une version donnée d’un modèle d’IA.
- Préparation à l’IALa préparation à l’IA porte sur les prérequis d’un projet : objectif, données utilisables, compétences, responsabilités et fonctionnement quotidien.
Articles sur le sujet
IA & automatisation avec ASES
Assistants IA et processus automatisés