Machine learning : définition
Le machine learning, c’est ceci : au lieu d’écrire des règles dans un programme, on lui donne des exemples et il déduit la règle lui-même. La plupart des outils d’IA actuels fonctionnent ainsi.
Le machine learning en un exemple
En programmation classique, un développeur écrit la règle : si ceci, alors cela. En machine learning, on fournit une foule d’exemples, et le programme trouve le motif qui les explique.
C’est pourquoi ça marche sur des tâches où personne ne sait écrire de règles. Nul ne peut dire précisément ce qui fait qu’une image montre un chat, mais n’importe qui peut fournir un million d’exemples.
Machine learning et intelligence artificielle
L’intelligence artificielle est le terme général, le machine learning est une méthode pour y arriver, et les modèles de langage actuels en utilisent une branche.
Le langage courant appelle les trois IA. En pratique, ça gêne rarement, mais mieux vaut savoir qu’ils ne sont pas synonymes dès qu’on lit de la documentation.
Où tu l’utilises déjà
Le filtre antispam, les recommandations, le calcul d’itinéraire, la détection de fraude, le traitement des photos de ton téléphone, la saisie prédictive. Tout ça, c’est du machine learning, bien avant les chatbots.
C’est le meilleur argument pour dire que l’idée n’est pas neuve. Ce qui est neuf, c’est que ça marche désormais aussi bien sur du texte.
Questions fréquentes
C’est quoi le machine learning, en une phrase ?
Faire en sorte qu’un programme déduise la règle à partir d’exemples, au lieu qu’un développeur l’écrive à sa place.
Machine learning et IA, est-ce la même chose ?
Non. L’IA est l’idée générale et le machine learning un chemin pour y arriver. Il existe des IA qui n’apprennent pas du tout et suivent seulement des règles.
Faut-il des maths pour le machine learning ?
Pour en construire, oui. Pour bien utiliser les outils, ou comprendre pourquoi un modèle se trompe, comprendre la logique suffit.