Deep Learning : du neurone au transformeur
Le deep learning est la branche du machine learning qui a produit tout ce qui a surpris le grand public depuis 2012 : la reconnaissance d'images au niveau humain, la traduction fluide, la synthèse vocale crédible, et les modèles de langage.
Ce que ce cours se propose de faire : démonter le mécanisme. À la fin, un réseau de neurones ne sera plus une boîte noire mystérieuse mais un empilement de transformations dont vous comprenez le rôle.
Ce que ce cours ne fait pas : vous faire écrire un réseau. Aucune équation, aucun code. La pratique est l'objet des cours premium.
Ce que vous allez découvrir
Contenu du cours
| # | Leçon | Objectif principal | Durée |
|---|---|---|---|
| 1 | Le neurone | Ce qu'il calcule vraiment, et pourquoi l'activation change tout | 9 min |
| 2 | Pourquoi la profondeur | La hiérarchie de représentations, et ce qui a débloqué les réseaux profonds | 10 min |
| 3 | Les convolutions | Pourquoi les images demandent une architecture particulière | 9 min |
| 4 | Séquences et transformeurs | Des réseaux récurrents à l'attention, et ce que cela a changé | 10 min |
| 5 | Coût et transfer learning | Ce qu'un entraînement coûte, et comment ne pas le payer | 9 min |
| 6 | Récapitulatif et FAQ | Synthèse, glossaire et 12 questions fréquentes | 6 min |
| 7 | Quiz et attestation | Valider vos acquis avec 5 questions corrigées | 3 min |
Ce cours est-il fait pour vous ?
- Vous avez compris le machine learning et vous voulez savoir ce qui se passe dans un réseau.
- Vous avez entendu « transformeur », « attention », « convolution » sans jamais qu'on vous les explique.
- Vous utilisez des modèles pré-entraînés et vous voulez comprendre ce que vous manipulez.
- Vous devez arbitrer un budget et vous voulez savoir ce qu'un entraînement coûte réellement.
Aucun prérequis mathématique. Aucun code.
Le cours en un coup d'œil
Ce que vous saurez faire à la fin
- Expliquer ce que calcule un neurone, en une phrase, sans formule.
- Dire pourquoi sans fonction d'activation, cent couches valent une seule.
- Décrire la hiérarchie de représentations qui émerge de la profondeur.
- Expliquer pourquoi une convolution convient aux images et un transformeur au texte.
- Estimer si un projet demande un entraînement de zéro ou un simple affinage.
- Reconnaître les trois inventions qui ont rendu les réseaux très profonds entraînables.
Temps estimé
Environ 50 à 60 minutes. La leçon 4 est la plus dense ; c'est aussi celle qui explique ce qui fait tourner ChatGPT.
Prérequis et suite recommandée
Prérequis : Machine Learning recommandé. Mathématiques pour l'IA aide, en particulier la leçon sur le gradient.
Suite naturelle :
- Traitement du langage naturel — le deep learning appliqué au texte
- Vision par ordinateur — appliqué à l'image
- Grands modèles de langage — ce que les transformeurs ont produit
Questions fréquentes, répondues en une ligne
Le deep learning est-il toujours meilleur ?
Non. Sur des données tabulaires, les ensembles d'arbres à gradient boosté le battent régulièrement, s'entraînent en secondes et restent explicables. Le deep learning gagne sur les données brutes — pixels, son, texte — où personne ne peut fabriquer les variables à la main.
Combien de données faut-il ?
Pour entraîner de zéro, des dizaines de milliers d'exemples au minimum, souvent bien plus. Pour affiner un modèle pré-entraîné, quelques centaines suffisent souvent. C'est précisément l'apport du transfer learning, et c'est la leçon 5.
Un réseau de neurones ressemble-t-il au cerveau ?
L'inspiration est historique et la ressemblance s'arrête très vite. Un neurone biologique est une cellule d'une complexité considérable ; un neurone artificiel est une somme pondérée suivie d'une fonction simple. L'analogie aide au premier abord et devient trompeuse ensuite.
Pourquoi dit-on que c'est une boîte noire ?
Parce que la décision est portée par des millions de nombres sans signification individuelle. On peut savoir quelles zones d'une image ont pesé, on ne peut pas obtenir une règle lisible équivalente. C'est une limite réelle, et un obstacle juridique dans les secteurs régulés.
Les cours premium couvrent PyTorch, TensorFlow, CNN, transformeurs et fine-tuning avec notebooks, jeux de données et projets, et un certificat vérifiable après un examen de 40 questions.
Autres cours gratuits qui valent votre temps
- Machine Learning — les fondations
- Traitement du langage naturel — le texte
- Vision par ordinateur — l'image
- IA générative — la génération de contenu
Prêt ? Commencez par la leçon 1 →