Dernière revue :
Qu'est-ce que le machine learning ? Définition et différence avec le deep learning
Le machine learning, ou apprentissage automatique, est la branche de l'intelligence artificielle dans laquelle un programme apprend à accomplir une tâche à partir d'exemples, au lieu de suivre des règles écrites par un programmeur. Il repose sur un modèle dont les paramètres sont ajustés automatiquement sur des données jusqu'à donner des résultats fiables.
Arthur Samuel, chercheur chez IBM, publie en juillet 1959 dans l'IBM Journal of Research and Development l'un des articles fondateurs du domaine : son programme de jeu de dames apprend à mieux jouer que son auteur, à partir des seules règles et de ses parties. La définition officielle française (Journal officiel du 9 décembre 2018) décrit un « processus par lequel un algorithme évalue et améliore ses performances sans l'intervention d'un programmeur », en répétant son exécution sur des jeux de données. Concrètement, un modèle comporte des paramètres, souvent initialisés au hasard, que l'entraînement ajuste pour réduire l'écart entre ses prédictions et les résultats attendus. Une fois entraîné, le modèle est mis en production et appliqué à de nouveaux cas (CNIL). On distingue trois modes d'apprentissage. Supervisé : chaque exemple porte la bonne réponse (ce client a résilié, cette facture est frauduleuse). Non supervisé : l'algorithme cherche seul des regroupements, par exemple des segments de clientèle. Par renforcement : un agent apprend par essais et récompenses. Les méthodes dites classiques (régression, arbres de décision, forêts aléatoires, gradient boosting) excellent sur les données tabulaires d'une entreprise : ventes, stocks, historique client. Le deep learning est une sous-famille du machine learning, fondée sur des réseaux de neurones à nombreuses couches, plus adaptée aux images, au son et au texte. L'IA générative en est une application récente.
Exemple concret
Cas illustratif : une enseigne régionale de jardinerie de 25 magasins veut mieux prévoir ses ventes pour réduire les invendus de plantes. Elle dispose de trois ans d'historique de caisse, du calendrier des promotions et des relevés météo. Un modèle de gradient boosting, entraîné sur ces données tabulaires, prévoit les ventes par magasin et par semaine. Au bout de deux saisons, les responsables de rayon commandent sur la base de la prévision et ajustent à la marge. Aucun deep learning n'est nécessaire : les données sont structurées, peu volumineuses, et l'équipe veut comprendre quelles variables pèsent (météo, jours fériés, promotions), ce qu'un modèle classique permet de lire.
Comparaison
| Machine learning classique | Deep learning | IA générative | |
|---|---|---|---|
| Place dans l'IA | Famille d'IA qui apprend à partir de données | Sous-famille du machine learning | Application du deep learning |
| Techniques | Régression, arbres de décision, forêts aléatoires, gradient boosting | Réseaux de neurones profonds (CNN, RNN, transformers) | Grands modèles de langage, modèles de diffusion |
| Données typiques | Tableaux structurés (ventes, clients, capteurs) | Images, sons, textes, grands volumes | Texte, images, code ; pré-entraînement sur des corpus massifs |
| Préparation des données | Choix manuel des variables utiles | Le réseau extrait lui-même les caractéristiques | Modèle déjà entraîné, adapté par consignes ou documents |
| Sortie | Une prédiction ou une classe | Une prédiction, une détection, une transcription | Un contenu nouveau (texte, image, code) |
| Coût de calcul | Faible, un serveur standard suffit | Élevé, cartes graphiques (GPU) | Très élevé à l'entraînement ; facturé à l'usage (tokens) |
Questions fréquentes
C'est quoi le machine learning, simplement ?
C'est une façon de programmer par l'exemple. Au lieu d'écrire toutes les règles, on montre à un algorithme des milliers de cas avec la bonne réponse, et il ajuste lui-même son modèle pour reproduire ces réponses, puis les appliquer à des cas nouveaux.
Quelle est la différence entre machine learning et deep learning ?
Le deep learning est une partie du machine learning. Il utilise des réseaux de neurones à nombreuses couches, qui extraient eux-mêmes les caractéristiques utiles des données brutes (pixels, sons, mots). Il demande beaucoup plus de données et de calcul. Le machine learning classique suffit souvent pour des données en tableau.
Quelle est la différence entre machine learning et intelligence artificielle ?
L'intelligence artificielle est le domaine général. Le machine learning en est la famille la plus utilisée aujourd'hui : celle qui apprend à partir de données. Une IA peut aussi reposer sur des règles écrites par des experts, sans aucun apprentissage.
Quels sont des exemples de machine learning en entreprise ?
Prévision des ventes et des stocks, détection de fraude, scoring de crédit, prédiction du départ de clients (churn), recommandation de produits, maintenance prédictive des machines, tri automatique des e-mails ou des factures.
Quels sont les types de machine learning ?
Trois grands types. L'apprentissage supervisé, avec des exemples étiquetés (prédire un prix, détecter une fraude). L'apprentissage non supervisé, sans étiquette (segmenter une clientèle). L'apprentissage par renforcement, par essais et récompenses (optimiser une stratégie, piloter un robot).
Faut-il beaucoup de données pour faire du machine learning ?
Moins qu'on ne le croit pour les méthodes classiques : quelques milliers d'exemples bien étiquetés suffisent souvent sur des données en tableau. La qualité et la représentativité comptent plus que le volume. Le deep learning, lui, demande en général beaucoup plus d'exemples.
À voir aussi
Pour aller plus loin
Machine Learning Crash Course, Google for Developers (cours d'introduction gratuit)
Sources
- Some Studies in Machine Learning Using the Game of Checkers, Arthur L. Samuel, IBM Journal of Research and Development, vol. 3, n° 3, juillet 1959. https://ieeexplore.ieee.org/document/5392560
- Vocabulaire de l'intelligence artificielle, définition de « apprentissage automatique », Journal officiel n° 0285 du 9 décembre 2018. https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000037783813
- Apprentissage automatique (définition), CNIL. https://www.cnil.fr/fr/definition/apprentissage-automatique