Apprentissage non superviséUnsupervised learning
Réponse directe
Une méthode où un modèle recherche des structures ou des regroupements dans des données sans disposer de réponses cibles étiquetées.
Explication détaillée
Contrairement à l’apprentissage supervisé, les exemples ne sont pas accompagnés de la bonne réponse attendue. Le modèle cherche des ressemblances, des groupes, des représentations ou des éléments atypiques dans les données. Les structures découvertes doivent ensuite être interprétées et évaluées : elles ne correspondent pas automatiquement à des catégories utiles ou vraies.
Exemple
Un service musical peut regrouper des morceaux présentant des caractéristiques proches sans connaître à l’avance le nom des styles obtenus.
Analogie
C’est comme trier une boîte d’objets inconnus par ressemblances, sans recevoir d’étiquettes ni de consigne sur les catégories à former.
Erreurs fréquentes
« Non supervisé signifie sans intervention humaine. » Des humains choisissent les données, la méthode, les paramètres et l’interprétation.
« Le modèle découvre forcément les bonnes catégories. » Il trouve des structures mathématiques qui peuvent être peu utiles ou refléter des biais.
« Aucune évaluation n’est nécessaire. » Les résultats doivent être vérifiés selon l’objectif réel.
Termes liés
Sources
- NIST — The Language of Trustworthy AI: An In-Depth Glossary of Terms — NIST · consulté le 2026-07-24
- Google for Developers — Machine Learning Glossary, unsupervised machine learning — Google for Developers · consulté le 2026-07-24
Dernière mise à jour : 24/07/2026 · Rédaction : Alban Speckaert