Les modèles d'apprentissage
Un modèle d'IA est une structure mathématique qui apprend à partir de données. Il en existe plusieurs familles, plus ou moins simples à comprendre.
À quoi ça sert ?
Selon le problème, on choisit un modèle différent. Comprendre leurs forces et leurs limites aide à juger ce qu'une IA peut faire — et à quel point on peut lui faire confiance.
Le savais-tu ?
Les réseaux de neurones sont inspirés (de loin !) du cerveau. Mais leur fonctionnement interne est si complexe qu'on les appelle parfois des « boîtes noires ».
1. Arbre de décision
Une suite de questions oui/non qui mène à une conclusion. Très intuitif et facile à lire.
2. Régression
Prédire une valeur à partir d'autres valeurs observées : par exemple estimer un prix à partir d'une caractéristique.
3. Réseau de neurones
De nombreuses unités organisées en couches. Très puissant pour images, sons et textes, mais peu lisible.
Trois familles de modèles
| Arbre de décision | Questions oui/non successives ; intuitif. |
|---|---|
| Régression | Prédire une valeur à partir de variables observées. |
| Réseau de neurones | Unités en couches ; puissant mais « boîte noire ». |
| Explicabilité | Plus un modèle est complexe, plus il est dur à expliquer. |
Un modèle « explicable » permet de comprendre POURQUOI il a décidé — c'est essentiel dans des domaines sensibles comme la santé ou la justice.
Exemples
Prédire un prix
Estimer le prix d'un vélo d'occasion selon son âge.
Quel type de modèle ?
Une régression : on prédit une valeur (le prix) à partir d'une variable observée (l'âge).
Pièges à éviter
- Croire qu'un réseau de neurones contient de vrais neurones.
- Penser qu'un modèle puissant est forcément le meilleur (il est souvent moins lisible).
- Oublier que la « boîte noire » rend une erreur difficile à expliquer.
À retenir
- Arbre de décision = questions oui/non, facile à lire.
- Régression = prédire une valeur.
- Réseau de neurones = puissant mais peu explicable.
- Le bon modèle dépend du problème et des données.
Je m'entraîne
1. Pourquoi parle-t-on de « boîte noire » pour un réseau de neurones ?
Voir la correction
Parce qu'il est difficile d'expliquer comment il arrive à son résultat.
2. Quel modèle utiliser pour prédire une valeur numérique ?
Voir la correction
Une régression.
3. Comment un arbre de décision prend-il une décision ?
Voir la correction
En répondant à une suite de questions (oui/non) jusqu'à une conclusion.