Machine learningApprentissage automatique
Réponse directe
Une méthode d’IA qui apprend des régularités à partir de données afin de produire une prédiction, une classification ou une décision.
Explication détaillée
Au lieu de recevoir une règle écrite pour chaque situation, un modèle de machine learning est entraîné sur des exemples. Il ajuste ses paramètres pour repérer des régularités qu’il pourra ensuite appliquer à de nouvelles données. Selon la méthode, l’apprentissage peut être supervisé, non supervisé ou guidé par des récompenses.
Exemple
Un filtre antispam apprend à distinguer les messages indésirables à partir d’e-mails déjà classés. Une fois entraîné, il estime si un nouveau message ressemble davantage à un spam ou à un e-mail légitime.
Analogie
C’est comme apprendre à reconnaître des fruits en observant de nombreux exemples, plutôt qu’en mémorisant une liste exhaustive de règles sur leur forme et leur couleur.
Erreurs fréquentes
« Toutes les IA utilisent le machine learning. » Certaines reposent surtout sur des règles programmées à l’avance.
« Le modèle continue forcément d’apprendre après sa mise en service. » La plupart des modèles ne changent pas tant qu’une nouvelle phase d’entraînement n’est pas lancée.
« Apprendre signifie comprendre comme un humain. » Le modèle repère des relations statistiques ; cela ne prouve ni compréhension générale ni intention.
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 — Google for Developers · consulté le 2026-07-24
Dernière mise à jour : 24/07/2026 · Rédaction : Alban Speckaert