Leçon 6 — Récapitulatif et FAQ
Les cinq leçons en une page
Leçon 1 — les types d'apprentissage. Le supervisé exige des étiquettes, qui coûtent cher, et se divise en classification et régression. Le non supervisé travaille sans étiquettes et ne peut être jugé que sur son utilité. Le renforcement apprend par essais et récompenses, et reste rare faute de simulateur et de récompense bien définie.
Leçon 2 — les algorithmes. Six familles suffisent. Sur des données tabulaires, la séquence efficace est modèle trivial, puis régression, puis gradient boosting, et il est rare qu'il faille aller plus loin. Le deep learning s'impose seulement sur images, texte et son.
Leçon 3 — les variables. C'est là que se joue la performance. Construire une bonne variable rapporte plus que changer d'algorithme, et le principal danger est la variable qui fuit, reconnaissable à un score anormalement élevé.
Leçon 4 — l'évaluation. Trois jeux et non deux, une seule mesure sur le test, la validation croisée pour stabiliser, un découpage chronologique dès que le temps intervient, et une métrique choisie selon le coût des erreurs plutôt que par habitude.
Leçon 5 — les échecs. Cinq causes : fuite, surapprentissage, décalage de distribution, dérive, objectif mal posé. Les quatre premières se diagnostiquent avec des vérifications précises ; la cinquième, la plus fréquente, se règle avant le projet.
Glossaire
| Terme | Ce que cela veut dire |
|---|---|
| Apprentissage supervisé | apprendre à partir d'exemples accompagnés de la bonne réponse |
| Apprentissage non supervisé | chercher une structure dans des données sans étiquettes |
| Apprentissage par renforcement | apprendre par essais et récompenses dans un environnement |
| Auto-supervisé | fabriquer la supervision à partir des données elles-mêmes |
| Classification | prédire une catégorie parmi un ensemble fini |
| Régression | prédire une quantité continue |
| Étiquette | la bonne réponse attachée à un exemple |
| Variable explicative | une colonne que le modèle lit pour prédire |
| Feature engineering | le travail de construction des variables |
| Hyperparamètre | un réglage choisi par vous, pas appris : profondeur d'arbre, taux d'apprentissage |
| Paramètre | un nombre interne au modèle, ajusté par l'entraînement |
| Surapprentissage | mémoriser les exemples au lieu d'apprendre le motif |
| Sous-apprentissage | modèle trop simple pour capter le motif |
| Régularisation | pénaliser la complexité pour limiter le surapprentissage |
| Fuite de données | de l'information indisponible en production utilisée à l'entraînement |
| Validation croisée | entraîner plusieurs fois sur des découpages différents et moyenner |
| Matrice de confusion | le tableau des quatre issues d'une classification |
| Précision | parmi les cas signalés, la proportion réellement positive |
| Rappel | parmi les cas réellement positifs, la proportion retrouvée |
| AUC | la qualité du classement, indépendamment du seuil |
| Dérive | la dégradation d'un modèle figé dans un monde qui change |
| Ensemble | combiner plusieurs modèles pour réduire l'erreur |
Les 12 questions que les gens posent vraiment
1. Combien de données faut-il, réellement ?
Sur données tabulaires, quelques centaines de lignes permettent déjà un modèle de référence, et quelques milliers un modèle utile. La bonne question n'est pas le volume mais la couverture : vos données contiennent-elles des exemples de tous les cas que le modèle rencontrera. Mille exemples variés valent mieux que cent mille quasi identiques.
2. Quelle différence entre paramètre et hyperparamètre ?
Un paramètre est appris par l'entraînement : les coefficients d'une régression, les poids d'un réseau. Un hyperparamètre est choisi par vous avant l'entraînement : la profondeur maximale d'un arbre, le nombre d'arbres, le taux d'apprentissage. Les régler correctement s'appelle l'optimisation d'hyperparamètres, et cela se fait sur le jeu de validation, jamais sur le test.
3. Que faire quand une classe est très rare ?
Trois leviers, à combiner. Changer de métrique : abandonner la précision globale pour la précision, le rappel et l'AUC. Pondérer les classes, en indiquant au modèle qu'une erreur sur la classe rare coûte davantage. Rééchantillonner, en réduisant la classe majoritaire ou en synthétisant des exemples de la minoritaire. Et surtout : ajuster le seuil de décision, qui est gratuit et souvent le plus efficace.
4. Faut-il toujours normaliser les données ?
Pour les modèles linéaires, les réseaux de neurones et les méthodes fondées sur des distances, oui : sans mise à l'échelle, une variable exprimée en centaines de milliers écrase les autres. Pour les arbres, les forêts et le gradient boosting, non : ils sont totalement indifférents à l'échelle, puisqu'ils ne comparent que des seuils.
5. L'AutoML remplace-t-il le data scientist ?
Il remplace la partie la plus mécanique : essayer des familles de modèles et régler des hyperparamètres. Il ne formule pas le problème, ne construit pas les variables métier, ne détecte pas une fuite de données et ne juge pas si l'objectif est le bon. Ces quatre choses représentent l'essentiel de la valeur, et les quatre restent humaines.
6. Combien de temps prend un projet réel ?
La répartition typique surprend : environ 60 à 80 % du temps en compréhension du problème et préparation des données, 10 à 20 % en modélisation, et le reste en évaluation et mise en production. L'étape que les cours mettent en avant est la plus courte de toutes.
7. Pourquoi mon modèle est-il moins bon que dans le tutoriel ?
Parce que les jeux de données de tutoriel sont nettoyés, équilibrés, sans valeurs manquantes, sans doublons et sans ambiguïté d'étiquetage. Vos données réelles n'ont aucune de ces propriétés. Ce n'est pas votre compétence qui diffère, c'est la nature du matériau.
8. Comment expliquer une prédiction à un client ?
Si l'explicabilité est une exigence, choisissez un modèle explicable dès le départ : régression logistique ou arbre peu profond. Sinon, des techniques d'explication post-hoc comme SHAP attribuent à chaque variable sa contribution à une prédiction donnée. Elles sont utiles, et elles restent des approximations : elles expliquent le comportement du modèle, pas la réalité.
9. Faut-il réentraîner un modèle souvent ?
Cela dépend de la vitesse de la dérive. Un modèle de détection de fraude, face à des adversaires qui s'adaptent, se réentraîne souvent — parfois chaque semaine. Un modèle de prédiction de défaillance mécanique peut tenir un an. La bonne réponse n'est pas un calendrier fixe mais une surveillance qui déclenche le réentraînement quand la performance baisse.
10. Un modèle peut-il être bon et inutilisable ?
Oui, très fréquemment. Quatre raisons : il exige à l'inférence une donnée qui n'est disponible que le lendemain ; il répond trop lentement pour l'usage ; il n'est pas explicable dans un contexte régulé ; ou il prédit correctement un événement sur lequel personne ne peut agir. Les métriques ne détectent aucune de ces quatre situations.
11. Faut-il croire un modèle à 95 % de précision ?
Trois questions avant de croire quoi que ce soit : quel est le score du modèle trivial sur le même problème ; sur quel jeu ce chiffre a-t-il été mesuré et combien de fois ce jeu a-t-il été consulté ; et à quoi ressemble la matrice de confusion. Un 95 % qui ne survit pas à ces trois questions ne vaut rien.
12. Où aller après ce cours ?
Deep Learning si vous visez images, texte ou son. MLOps si vous visez la mise en production, qui est le vrai goulot d'étranglement de la plupart des entreprises. Éthique et IA responsable pour ce que l'évaluation ne montre pas.
Ce cours vous a donné la théorie utile et les pièges. Les cours premium vous donnent les notebooks, les jeux de données réels, les projets corrigés, et un certificat vérifiable après un examen de 40 questions. Inclus dans toutes les formules payantes.
Dernière étape — Passez le quiz et découvrez votre attestation →