Module 6 — Les trois régimes d'apprentissage
Devant un problème, la première décision structurante n'est pas le choix d'un algorithme : c'est l'identification du régime d'apprentissage, qui découle directement de la forme de vos données. Ce module passe les trois régimes en revue avec leurs exigences, leurs cas d'usage documentés et leurs pièges, puis présente les régimes hybrides qui alimentent les systèmes les plus récents.
Supervisé : vous connaissez les bonnes réponses
Le régime dominant en entreprise. Vous disposez d'exemples étiquetés — chaque entrée est accompagnée de la sortie attendue — et le modèle apprend la correspondance.
Deux sous-familles selon la nature de la sortie. La classification prédit une catégorie : frauduleux ou légitime, résilie ou reste, urgent, normal ou informatif. La régression prédit une quantité : un prix, un délai, une consommation. La distinction commande les métriques (module 7) et parfois l'algorithme ; une même question métier peut se formuler des deux façons, et ce choix de formulation est déjà une décision de conception.
L'exigence cachée : le coût des étiquettes. Les étiquettes proviennent soit de l'activité elle-même (les remboursements de prêts s'observent, les ventes se constatent), soit d'un chantier d'annotation avec son budget, ses consignes, ses désaccords entre annotateurs et son contrôle qualité. Première question devant tout projet supervisé : d'où viennent les étiquettes, combien coûtent-elles, et sont-elles fiables ?
Le piège du décalage temporel. Les étiquettes observées décrivent le passé. Si le phénomène dérive — comportements, prix, fraudes évoluent — le modèle vieillit. D'où la surveillance en production, traitée au module 8.
Non supervisé : vous cherchez une structure inconnue
Aucune étiquette ; le modèle cherche des régularités que personne n'a définies à l'avance.
Le partitionnement (clustering) regroupe les exemples semblables : segments de clientèle qui émergent des comportements réels plutôt que d'hypothèses marketing, familles de pannes, groupes de documents proches.
La réduction de dimension condense des centaines de variables en quelques axes porteurs de l'essentiel : visualisation, accélération des traitements, débruitage.
La détection d'anomalies modélise le comportement normal et signale les écarts — précieuse quand les incidents sont trop rares et trop divers pour être étiquetés : intrusions, défaillances d'équipements, transactions atypiques.
La difficulté structurelle : pas de vérité de référence. Cinq segments de clients ne sont ni justes ni faux. Les seuls critères sont l'interprétabilité, la stabilité, et l'utilité pour décider. L'évaluation est un jugement métier outillé, pas une métrique automatique. Budgétez le temps d'interprétation : c'est là que les projets non supervisés réussissent ou échouent.
Par renforcement : apprendre en agissant
Ni étiquettes ni jeu de données figé. Un agent agit dans un environnement, reçoit des récompenses différées, et ajuste sa stratégie pour maximiser le gain cumulé. C'est le régime des succès spectaculaires — jeu de go, jeux vidéo complexes, contrôle robotique en simulation.
Sa rareté en entreprise tient à trois exigences rarement réunies. Il faut un simulateur fiable ou un environnement où l'erreur ne coûte rien — un jeu se rejoue gratuitement, une politique de prix qui apprend en se trompant fait fuir de vrais clients. Il faut une récompense bien définie — et une récompense mal conçue est optimisée à la lettre, effets pervers compris. Il faut enfin un volume d'essais gigantesque.
Sa présence discrète mais réelle : l'optimisation d'enchères publicitaires, la recommandation à long terme, la gestion énergétique de centres de données — et l'alignement des modèles de langage (RLHF), où le « simulateur » est remplacé par des préférences humaines. Un cours entier lui est consacré dans le parcours.
Les régimes hybrides : le meilleur des deux mondes
Les frontières se sont brouillées, et c'est une excellente nouvelle pour les coûts d'étiquetage.
Le semi-supervisé combine un petit jeu étiqueté et une masse de données brutes : on entraîne un premier modèle sur le peu d'étiquettes, on l'utilise pour pré-annoter le reste, on corrige, on itère. Standard dès que l'annotation est chère.
L'auto-supervisé fabrique la supervision à partir des données elles-mêmes : masquer un mot et le faire prédire, cacher un morceau d'image et le faire reconstruire. Aucune annotation humaine, des téraoctets de « bonnes réponses » gratuites. C'est le régime d'entraînement des grands modèles de langage et de vision — la découverte qui a rendu possibles les modèles de fondation.
L'erreur classique consiste à choisir une technique séduisante puis à chercher un problème qui la justifie. La démarche saine part de l'inventaire : quelles données existent, sous quelle forme, avec quelles étiquettes ? Le régime — et souvent l'algorithme — s'en déduit presque mécaniquement.
Ce qu'il faut retenir
- Supervisé : étiquettes disponibles, correspondance entrée → sortie ; la question critique est l'origine et le coût des étiquettes.
- Non supervisé : structure inconnue à découvrir ; l'évaluation est un jugement d'utilité, pas une métrique — budgétez l'interprétation.
- Renforcement : agent, environnement, récompense différée ; exige un simulateur et une récompense bien conçue — rare en entreprise, central pour l'alignement des LLM.
- Auto-supervisé : la supervision fabriquée depuis les données elles-mêmes — le moteur des modèles de fondation.
Au module suivant : les métriques d'évaluation — exactitude, précision, rappel, et la lecture honnête des chiffres qu'on vous présente.