L’apprentissage automatique : trouver des modèles dans des exemples — Informatique, 11–13 ans
Avec l’apprentissage automatique, on donne à l’ordinateur beaucoup d’exemples au lieu d’écrire chaque règle à la main. Il trouve des modèles dans ces exemples et les utilise pour faire une prédiction utile.
Apprendre grâce aux exemples
Un système d’apprentissage automatique étudie des exemples fournis par des personnes, comme des images marquées « chat » ou « pas chat ». Il ajuste son modèle jusqu’à pouvoir faire une prédiction sur une nouvelle image. Il ne pense pas comme une personne : il repère des régularités dans les données.
Pourquoi apprendre avec des exemples ?
Certaines tâches sont trop complexes pour être décrites par une courte liste de règles. Reconnaître une voix, un visage ou un message indésirable dépend de nombreux petits indices difficiles à écrire. Les exemples permettent à l’ordinateur de les utiliser sans tout détailler.
Classer des messages
Un filtre voit 100 messages : 60 marqués « ordinaires » et 40 « indésirables ». Étape 1 : il mesure des indices comme des publicités répétées ou des liens étranges. Étape 2 : il compare un nouveau message aux modèles. Étape 3 : il prédit « indésirable », mais peut se tromper.
Une prédiction n’est pas une certitude
On peut facilement croire qu’un système qui a appris avec des exemples connaît toujours la réponse. C’est compréhensible, car ses résultats assurés semblent intelligents. Pourtant, il peut rencontrer un cas nouveau, un mauvais exemple ou un modèle injuste : il faut vérifier.
Recommandations et accessibilité
L’apprentissage automatique peut recommander une chanson, transformer des paroles en sous-titres ou aider une caméra à reconnaître des objets. C’est utile, mais cela dépend d’exemples passés et peut échouer avec des personnes ou des situations différentes. Le jugement humain reste important.
Continue d'explorer
Autres langues
Chargement de MyLeoNes™…