Dernière revue :
Qu'est-ce qu'un réseau de neurones artificiel ? Définition simple et types (CNN, RNN, transformer)
Un réseau de neurones artificiel est un modèle de calcul composé de petites unités interconnectées, les neurones artificiels, organisées en couches : chaque neurone combine ses entrées selon des poids, puis transmet un signal à la couche suivante. L'apprentissage consiste à ajuster automatiquement ces poids, à partir d'exemples, jusqu'à ce que le réseau produise les bonnes réponses.
La définition officielle française (Journal officiel du 9 décembre 2018) parle d'un « ensemble de neurones artificiels interconnectés qui constitue une architecture de calcul ». Le neurone artificiel est un dispositif à plusieurs entrées et une sortie : il multiplie chaque entrée par un poids, additionne le tout et applique une fonction non linéaire, souvent un seuil. Le modèle remonte à 1943 : Warren McCulloch et Walter Pitts décrivent un neurone qui fait une somme pondérée de signaux binaires. Frank Rosenblatt propose en 1957 le perceptron, premier réseau capable d'apprendre ses poids, publié en 1958. Un réseau empile des couches : une couche d'entrée (les pixels d'une image, les mots d'un texte), des couches cachées, une couche de sortie (la réponse). Les poids sont les paramètres du modèle ; un grand modèle de langage en compte des milliards. L'entraînement ajuste ces poids par rétropropagation, méthode démontrée en 1986 par Rumelhart, Hinton et Williams : on mesure l'erreur en sortie et on corrige chaque poids dans le sens qui la réduit. Un réseau à nombreuses couches relève du deep learning. Trois grandes familles dominent. Les réseaux convolutifs (CNN), développés par Yann LeCun à la fin des années 1980, analysent les images. Les réseaux récurrents (RNN), dont le LSTM de 1997, traitent les séquences comme la parole. Le transformer, publié en 2017, les a largement remplacés pour le langage. L'image du cerveau reste une analogie : un neurone artificiel n'est qu'une opération mathématique.
Exemple concret
Cas illustratif : un cabinet d'expertise comptable de 60 personnes traite 15 000 factures fournisseurs par mois pour ses clients. Sa solution de saisie automatique enchaîne deux réseaux de neurones. Un réseau convolutif lit l'image scannée et repère les zones de texte. Un modèle de type transformer interprète ce texte et extrait le fournisseur, la date, le montant hors taxe et la TVA. Les collaborateurs ne contrôlent plus que les factures où le système signale un doute. Le cabinet ne voit jamais les poids du modèle : il évalue la solution sur un échantillon de ses propres factures avant de l'adopter, et mesure le taux d'erreur chaque trimestre.
Comparaison
| Perceptron multicouche | Réseau convolutif (CNN) | Réseau récurrent (RNN, LSTM) | Transformer | |
|---|---|---|---|---|
| Origine | Perceptron (1957-1958), entraînement multicouche (1986) | Yann LeCun, fin des années 1980 | LSTM de Hochreiter et Schmidhuber (1997) | Chercheurs de Google, 2017 |
| Principe | Couches entièrement connectées | Filtres qui balaient l'image par zones | Lecture séquentielle avec mémoire | Attention : chaque élément pondère tous les autres |
| Données adaptées | Données en tableau, petits problèmes | Images, vidéo | Parole, séries temporelles, texte | Texte, code, images, son |
| Usage en entreprise | Scoring, classification simple | Contrôle qualité, lecture de documents | Prévision, reconnaissance vocale (historique) | Assistants d'IA générative, traduction, extraction |
Questions fréquentes
C'est quoi un réseau de neurones, simplement ?
C'est un programme composé de milliers ou de milliards de petites unités de calcul reliées entre elles, organisées en couches. Chaque unité fait une opération simple : elle pondère ce qu'elle reçoit et transmet le résultat. Ensemble, et après entraînement sur des exemples, elles peuvent reconnaître une image ou comprendre un texte.
Comment fonctionne un réseau de neurones ?
Les données entrent par la première couche, traversent les couches cachées, où chaque neurone combine ses entrées selon des poids, et ressortent par la couche de sortie. Pendant l'entraînement, on compare la sortie à la bonne réponse et on ajuste les poids pour réduire l'erreur (rétropropagation), des millions de fois.
C'est quoi un réseau de neurones convolutif (CNN) ?
C'est un réseau spécialisé dans les images. Il fait glisser de petits filtres sur l'image pour repérer des motifs locaux (contours, textures), puis des formes de plus en plus complexes. Développés par Yann LeCun à la fin des années 1980, les CNN servent à la reconnaissance d'images, au contrôle qualité et à la lecture de documents.
Quelle est la différence entre CNN, RNN et transformer ?
Le CNN analyse les images par zones. Le RNN lit une séquence élément par élément en gardant une mémoire, ce qui convient à la parole ou aux séries temporelles. Le transformer, publié en 2017, traite toute la séquence d'un coup grâce au mécanisme d'attention : il est à la base des modèles de langage actuels.
Quelle est la différence entre réseau de neurones et deep learning ?
Le réseau de neurones est l'outil ; le deep learning est l'approche qui utilise des réseaux à nombreuses couches. Un petit réseau à une seule couche cachée est un réseau de neurones, mais on ne parle pas de deep learning.
Un réseau de neurones fonctionne-t-il comme le cerveau ?
Seulement par analogie. Le neurone artificiel s'inspire du neurone biologique, mais ce n'est qu'une opération mathématique : une somme pondérée suivie d'une fonction. Un réseau de neurones ne pense pas et ne comprend pas au sens humain ; il repère des régularités statistiques dans ses données.
À voir aussi
Pour aller plus loin
Sources
- Vocabulaire de l'intelligence artificielle, définitions de « neurone artificiel » et « réseau de neurones artificiels », Journal officiel n° 0285 du 9 décembre 2018. https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000037783813
- Scientific Background to the Nobel Prize in Physics 2024 (McCulloch et Pitts 1943, Rosenblatt 1957, rétropropagation 1986, CNN, LSTM), Comité Nobel de physique. https://www.nobelprize.org/uploads/2024/09/advanced-physicsprize2024.pdf
- Fathers of the Deep Learning Revolution Receive ACM A.M. Turing Award (rétropropagation, réseaux convolutifs), ACM. https://awards.acm.org/about/2018-turing
- Intelligence artificielle, de quoi parle-t-on ? (explicabilité des réseaux de neurones), CNIL. https://www.cnil.fr/fr/intelligence-artificielle/intelligence-artificielle-de-quoi-parle-t-on