Retour au blog

Intelligence Artificielle : Les Bases

Comment une machine apprend à partir d'exemples, et pourquoi elle se trompe : 12 questions pour vérifier tes bases.

Cet article a été rédigé à des fins pédagogiques. Les informations présentées peuvent évoluer. Nous t’invitons à vérifier auprès de sources officielles.

L'essentiel à connaître

Une intelligence artificielle (IA) qui apprend ne suit pas une règle écrite à la main : on lui montre des exemples déjà résolus, et elle en tire seule sa façon de décider. Pour reconnaître les arbres, on lui donne des milliers de photos de feuilles, chacune avec le nom de son arbre ; elle doit ensuite nommer une feuille qu'elle n'a jamais vue. Retiens l'idée de fond : elle ne vaut que ce que valent ses exemples.

Définition : L'apprentissage automatique est la partie de l'IA où un programme apprend à partir de données d'entraînement. L'étiquette est la bonne réponse jointe à chaque exemple. Le modèle est le programme entraîné ; sa prédiction est sa réponse sur un cas nouveau.

Avec des étiquettes, on parle d'apprentissage supervisé. Sans étiquette, le programme regroupe seul les données qui se ressemblent : c'est l'apprentissage non supervisé. Guidé par des récompenses, il fait de l'apprentissage par renforcement (glossaire de l'IA de la CNIL).

Une méthode supervisée simple, qu'on peut faire à la main, s'appelle les $k$ plus proches voisins ; le programme de NSI (numérique et sciences informatiques) de première en fait « un exemple d'algorithme d'apprentissage ». Chaque exemple y est décrit par des nombres (la longueur et la largeur d'une feuille, par exemple), ce qui permet de calculer des distances.

Règle : Pour classer un cas nouveau, on prend les $k$ exemples les plus proches de lui et on prédit l'étiquette majoritaire parmi eux. Avec $k = 3$ et des voisins chêne, érable, chêne, on prédit chêne. Changer $k$ peut changer la prédiction ; avec deux étiquettes, on prend $k$ impair pour éviter une égalité.

Pour juger un modèle, on le teste sur des données de test, mises de côté et jamais vues à l'entraînement. Son taux de réussite est le nombre de bonnes réponses divisé par le nombre de cas testés : $\frac{45}{50} = 0{,}9$, soit $90\,\%$. Un modèle excellent à l'entraînement mais mauvais au test a appris ses exemples par cœur sans généraliser : c'est le surapprentissage.

Piège classique : Le modèle peut s'appuyer sur n'importe quel détail qui sépare ses exemples, même le fond de la photo. S'il manque une situation à ses exemples (une saison, un éclairage), il se trompe sur elle : c'est un biais des données, que seuls des exemples de cette situation corrigent.

Quiz : teste tes connaissances

Les questions montent en difficulté, et les trois dernières sont les plus piégeuses.

Question 1 : Un filtre de messagerie applique cette consigne : « si le message contient le mot gratuit, le ranger dans les indésirables ». D'où vient sa règle ?

A. Il l'a tirée seul de milliers de messages étiquetés.
B. Une personne l'a écrite à la main dans le programme.
C. Il l'a trouvée en regroupant des messages semblables.
D. Il l'a obtenue à force de récompenses répétées.

Réponse : B. La règle est écrite d'avance par un programmeur : le filtre l'applique sans rien apprendre. Le piège A confond un tri qui a l'air malin avec un apprentissage à partir d'exemples.

Question 2 : Pour apprendre à reconnaître les arbres, un modèle reçoit 8 000 photos de feuilles, chacune avec le nom de son arbre. Comment s'appelle ce nom ?

A. Une prédiction
B. Un paramètre
C. Une donnée de test
D. Une étiquette

Réponse : D. L'étiquette est la bonne réponse fournie avec chaque exemple d'entraînement. Le piège A : la prédiction est la réponse que le modèle donne lui-même, plus tard, sur une feuille nouvelle.

Question 3 : Un site de musique range 50 000 morceaux en familles qui se ressemblent, sans connaître aucun nom de style. Quelle méthode utilise-t-il ?

A. L'apprentissage non supervisé
B. L'apprentissage supervisé
C. L'apprentissage par renforcement
D. Une règle écrite à la main

Réponse : A. Sans étiquette, le programme regroupe seul les données qui se ressemblent : c'est l'apprentissage non supervisé. Le piège B : il y a bien des groupes, mais personne n'a donné la bonne réponse pour chaque morceau.

Question 4 : Pour appliquer les $k$ plus proches voisins à des feuilles, que faut-il avoir pour chaque feuille ?

A. Son étiquette, même pour la feuille inconnue
B. Une règle écrite à la main par arbre
C. Des nombres qui la décrivent, pour les distances
D. Une photo prise sous le même angle

Réponse : C. Chercher les plus proches suppose de mesurer des distances, donc de décrire chaque feuille par des nombres. Le piège A : l'étiquette de la feuille inconnue est justement ce qu'on veut prédire.

Question 5 : Avec deux étiquettes, chêne ou érable, quelle valeur de $k$ évite à coup sûr une égalité ?

A. $k = 5$
B. $k = 4$
C. $k = 2$
D. $k = 6$

Réponse : A. Avec un nombre impair de voisins et deux étiquettes, l'une a forcément plus de voix que l'autre. Le piège B : avec $k = 4$, deux chênes contre deux érables font une égalité que la majorité ne tranche pas.

Question 6 : Sur 200 photos de test, le modèle nomme correctement 170 feuilles. Quel est son taux de réussite ?

A. $15\,\%$
B. $30\,\%$
C. $0{,}85\,\%$
D. $85\,\%$

Réponse : D. Le taux de réussite vaut $\frac{170}{200} = 0{,}85$, soit $85\,\%$. Le piège A, $15\,\%$, est le taux d'erreur : la part des $30$ photos mal nommées.

Question 7 : Un modèle entraîné uniquement avec des photos de feuilles d'été se trompe souvent en automne, quand les feuilles ont jauni. Quelle est la cause la plus probable ?

A. Son ordinateur manque de puissance de calcul.
B. Ses exemples ne montraient aucune feuille d'automne.
C. Il a reçu trop d'exemples pendant l'entraînement.
D. Il oublie peu à peu ce qu'il a appris en été.

Réponse : B. Le modèle ne connaît que ses exemples, et aucune feuille jaunie n'y figurait : c'est un biais des données. Le piège A : plus de puissance calculerait plus vite, sans rien lui apprendre sur l'automne.

Question 8 : Une feuille inconnue est comparée à cinq feuilles connues. Leurs distances à elle : chêne $1{,}0$ cm, érable $1{,}5$ cm, érable $2{,}0$ cm, chêne $3{,}5$ cm, chêne $4{,}0$ cm. Avec $k = 3$, que prédit l'algorithme, et pourquoi ?

A. Chêne, car la feuille la plus proche est un chêne.
B. Chêne, car il y a trois chênes parmi les cinq feuilles.
C. Érable, car deux des trois plus proches sont des érables.
D. Érable, car un érable est la feuille la plus proche.

Réponse : C. Les trois plus petites distances ($1{,}0$, $1{,}5$ et $2{,}0$ cm) donnent un chêne et deux érables, donc érable. Le piège A ne regarde que le plus proche voisin, comme si $k = 1$.

Question 9 : Un modèle obtient $100\,\%$ de réussite sur ses photos d'entraînement, mais seulement $60\,\%$ sur ses photos de test. Que faut-il en conclure ?

A. C'est un excellent modèle, prêt à servir.
B. Il faut le noter sur ses photos d'entraînement.
C. Il lui manque de la puissance de calcul.
D. Il a appris ses exemples par cœur.

Réponse : D. Un tel écart signale le surapprentissage : le modèle colle à ses exemples et rate les cas nouveaux. Le piège A se fie au $100\,\%$, alors que seule la note au test dit ce que vaut le modèle.

Question 10 : Mêmes cinq feuilles qu'à la question 8, mais avec $k = 5$. Que prédit l'algorithme, et pourquoi ?

A. Chêne, car trois des cinq voisins sont des chênes.
B. Érable, comme avec $k = 3$ : la prédiction ne change pas.
C. Érable, car les érables sont plus proches en moyenne.
D. Égalité entre chêne et érable : il faut tirer au sort.

Réponse : A. Avec $k = 5$, les cinq feuilles votent : trois chênes contre deux érables, donc chêne. Le piège B croit que la prédiction ne dépend pas de $k$, alors qu'ici elle change.

Question 11 : Pour corriger le modèle de la question 7, que faut-il faire ?

A. Lui ajouter 10 000 photos d'été de plus.
B. L'entraîner plus longtemps sur les mêmes photos.
C. Lui ajouter des photos de feuilles d'automne étiquetées.
D. Ne plus le tester que sur des photos d'été.

Réponse : C. Il manque une situation dans ses exemples : il faut la lui montrer, avec la bonne étiquette. Le piège A : des photos d'été en plus ne lui apprennent rien sur les feuilles jaunies.

Question 12 : À l'entraînement comme au test, les chênes sont photographiés sur l'herbe et les érables sur du goudron. Le modèle réussit très bien ses tests, mais nomme érable une feuille de chêne posée sur du goudron. Pourquoi ?

A. Les feuilles de chêne et d'érable se ressemblent trop.
B. Il a appris à reconnaître le fond, pas la feuille.
C. Il n'a pas reçu assez de photos de chênes.
D. Ses tests portaient sur trop peu de photos.

Réponse : B. Dans ses exemples, le fond suffisait à séparer les deux arbres : pour le modèle, goudron veut dire érable. Ses tests, qui avaient le même défaut, ne l'ont pas révélé. Le piège C : plus de chênes sur l'herbe n'y changeraient rien.

Sources

Programme de numérique et sciences informatiques de première générale, partie « Algorithmique » : texte officiel sur eduscol.

CNIL, glossaire de l'intelligence artificielle : cnil.fr.

Tu peux partager cette page librement, en citant ORBITECH AI Academy avec son lien.