DataFranca en collaboration avec ses partenaires a préparé des capsules linguistiques et informatives sur les grands thèmes  de l’intelligence artificielle et de la science des données.

Qu’est-ce que 
« l’apprentissage automatique »

Patrick Drouin 
Linguiste et terminologue
Professeur titulaire, Université de Montréal

L’apprentissage automatique, en anglais machine learning, est un champ d’étude de l’intelligence artificielle. Ce domaine se fonde sur les statistiques pour donner à l’ordinateur la capacité d’apprendre par lui-même à partir de jeux de données plutôt qu’à partir d’instructions explicitement programmées afin de s’acquitter d’une tâche. 

On rencontre parfois le calque de l’anglais apprentissage machine et les termes apprentissage statistique et apprentissage artificiel pour désigner le même concept.

L’apprentissage automatique se divise en 3 grandes catégories : l’apprentissage supervisé, l’apprentissage non supervisé et l’apprentissage par renforcement.

L’apprentissage supervisé (supervised learning) consiste à apprendre à exécuter une tâche à partir d’exemples annotés par une personne. L’annotation est un processus par lequel on associe un exemple à la réponse que l’on désire apprendre. 

En apprentissage supervisé l’algorithme cherche à minimiser l’erreur, c’est à dire l’écart entre la prédiction de l’algorithme et la vraie réponse (i.e. l’annotation).

Claude Coulombe  
Doctorat en intelligence artificielle
Conseiller scientifique, DataFranca

En apprentissage non-supervisé ( unsupervised learning), l’algorithme découvre par lui-même des régularités statistiques et reconnaît des formes ou des structures dans les données. 

L’absence d’annotation est ce qui distingue une tâche d’apprentissage non-supervisé d’une tâche d’apprentissage supervisé. L’apprentissage non-supervisé se fait sur la base de la ressemblance entre les exemples ou les données. 

En apprentissage par renforcement (reinforcement learning), un agent apprend un comportement à partir d’expériences de façon à optimiser les récompenses reçues au cours du temps. Tout comme l’apprentissage non-supervisé, l’apprentissage par renforcement n’a pas besoin de données annotées. 

L’apprentissage par renforcement se fait sur la base de récompenses ou de punitions reçues en retour d’une action exécutée par un agent dans son environnement.


info@DataFranca.org

© Datafranca 2017 – 2022