Leçon 1 — Les types d'apprentissage
La première question à poser devant un problème n'est pas « quel algorithme ? » mais « de quelles données dispose-t-on, et sous quelle forme ? ». La réponse détermine le régime d'apprentissage, et le régime détermine tout le reste.
Apprentissage supervisé : on connaît les réponses
C'est le régime le plus courant, et de loin le plus utile en entreprise.
Vous disposez d'exemples accompagnés de la bonne réponse. Cinquante mille demandes de prêt, chacune marquée « remboursé » ou « défaut ». Dix mille photographies étiquetées. Trois ans d'historique de ventes avec le chiffre réalisé chaque mois. Le modèle apprend la correspondance entre l'entrée et la réponse, puis l'applique à des cas nouveaux.
Deux sous-familles, selon la nature de la réponse.
La classification prédit une catégorie parmi un ensemble fini : frauduleux ou non, chat, chien ou renard, réclamation urgente, normale ou à ignorer. La sortie est une distribution de probabilité sur les catégories.
La régression prédit une quantité continue : un prix immobilier, une température, un délai de livraison, une consommation électrique. La sortie est un nombre.
La distinction paraît formelle et elle a des conséquences très concrètes : les métriques d'évaluation n'ont rien à voir, et une même question peut relever des deux selon la façon de la formuler. « Ce client va-t-il résilier ? » est une classification ; « dans combien de mois va-t-il résilier ? » est une régression.
Le supervisé exige des étiquettes, et les étiquettes coûtent cher. Personne ne vous les offre. Faire annoter dix mille images par des spécialistes est un projet en soi, avec son budget, ses délais et ses désaccords entre annotateurs. Quand une équipe annonce un projet supervisé sans mentionner l'origine des étiquettes, c'est la première question à poser.
Apprentissage non supervisé : personne ne connaît les réponses
Ici, aucune étiquette. Vous avez des données et vous cherchez une structure que vous ne connaissez pas d'avance.
Le partitionnement (clustering) regroupe les exemples semblables. On l'utilise pour la segmentation de clientèle : au lieu de décider à l'avance qu'il existe trois profils de clients, on laisse l'algorithme proposer les groupes qui émergent réellement des comportements.
La réduction de dimension condense des centaines de variables en quelques directions porteuses de l'essentiel de la variation. Cela sert à visualiser, à accélérer, et souvent à réduire le bruit.
La détection d'anomalies apprend à quoi ressemble le comportement normal et signale ce qui s'en écarte. Très utile en maintenance industrielle et en cybersécurité, précisément parce que les pannes et les intrusions sont trop rares et trop variées pour être étiquetées.
La difficulté propre au non supervisé mérite d'être dite clairement : il n'existe aucune vérité pour juger le résultat. Un partitionnement qui produit cinq groupes n'est ni juste ni faux. La seule évaluation possible est l'utilité : ces groupes sont-ils interprétables, stables, et permettent-ils de décider quelque chose ? C'est un jugement humain, pas une métrique.
Apprentissage par renforcement : on apprend en essayant
Troisième régime, radicalement différent. Il n'y a ni étiquettes ni jeu de données figé : il y a un environnement, des actions possibles, et une récompense qui arrive après coup.
Un agent essaie, observe le résultat, reçoit une récompense ou une pénalité, et ajuste sa stratégie. Répété des millions de fois, ce processus produit des comportements que personne n'a programmés.
C'est le régime qui a produit les résultats les plus spectaculaires du domaine : les systèmes qui battent les meilleurs humains au jeu de go, aux échecs et à des jeux vidéo complexes, sans avoir jamais vu une partie humaine.
Pourquoi c'est rare en entreprise, malgré la vitrine : trois obstacles.
Il faut un simulateur ou un environnement où l'erreur ne coûte rien. Un jeu se rejoue des millions de fois gratuitement ; un robot qui apprend à marcher en tombant casse du matériel, et une politique de prix qui apprend en se trompant fait fuir de vrais clients.
Il faut une récompense bien définie, et c'est plus difficile qu'il n'y paraît. Une récompense mal spécifiée produit des comportements absurdes qui l'optimisent à la lettre : c'est un mode de défaillance documenté et récurrent.
Le nombre d'essais nécessaires est énorme, souvent des millions, ce qui est impossible dans le monde réel sans simulation fidèle.
Une exception importante : l'apprentissage par renforcement à partir de retours humains est ce qui a transformé les modèles de langage bruts en assistants utilisables. Ce n'est pas de la vitrine, c'est devenu une brique industrielle.
Les régimes intermédiaires, qui comptent en pratique
Deux variantes méritent d'être connues, car elles répondent au problème du coût des étiquettes.
Le semi-supervisé exploite un petit nombre d'exemples étiquetés et une grande masse d'exemples non étiquetés. C'est exactement la situation réelle de la plupart des entreprises : beaucoup de données, très peu d'annotations.
L'auto-supervisé est l'idée qui a rendu possibles les grands modèles de langage. On fabrique la supervision à partir des données elles-mêmes : masquer un mot dans une phrase et demander de le retrouver produit des milliards d'exemples étiquetés sans le moindre annotateur humain. Formellement supervisé, économiquement non supervisé — et c'est ce qui a permis l'échelle atteinte depuis 2018.
Le tableau de décision
| Ce que vous avez | Régime | Ce que vous pouvez faire |
|---|---|---|
| Des exemples avec la bonne réponse | supervisé | prédire une catégorie ou une quantité |
| Des données sans étiquettes | non supervisé | découvrir des groupes, réduire, détecter l'anormal |
| Peu d'étiquettes, beaucoup de données | semi-supervisé | tirer parti des deux |
| Des données dont la structure fournit la supervision | auto-supervisé | pré-entraîner un modèle général |
| Un environnement et une récompense | par renforcement | apprendre une stratégie d'action |
Devant un projet, demandez : « où sont les étiquettes, et qui les a produites ? » Si la réponse est floue, le projet n'est pas un projet de machine learning supervisé : c'est d'abord un projet d'annotation, et il doit être budgété comme tel. Cette seule question évite une proportion étonnante de désillusions.
En trois phrases
L'apprentissage supervisé exige des exemples accompagnés de la bonne réponse et se divise en classification, qui prédit une catégorie, et régression, qui prédit une quantité ; son coût réel est celui des étiquettes. L'apprentissage non supervisé travaille sans étiquettes pour découvrir des groupes, réduire des dimensions ou détecter des anomalies, mais aucune vérité ne permet d'en juger le résultat autrement que par son utilité. L'apprentissage par renforcement apprend par essais et récompenses, produit les résultats les plus spectaculaires et reste rare en entreprise parce qu'il exige un simulateur, une récompense bien définie et des millions d'essais.