La question qu'on me pose le plus souvent quand j'anime des ateliers, ce n'est pas « c'est quoi le machine learning ». C'est : « mais concrètement, comment ça marche ? » Et là, neuf fois sur dix, je vois la même chose se produire. La personne a lu trois articles, elle connaît la définition par cœur, et pourtant elle est incapable de dire ce qui se passe vraiment entre le moment où on donne des données à un programme et celui où il sort une prédiction.
Comprendre le machine learning pour les débutants, ce n'est pas retenir une définition. C'est réussir à se représenter un mécanisme. Et ce mécanisme, il tient en une idée simple que je vais vous dérouler ici avec un exemple pas à pas, chiffré, que vous pourrez refaire chez vous.
Points clés à retenir
- Le machine learning, c'est écrire un programme qui déduit ses propres règles à partir d'exemples, au lieu qu'on les lui dicte.
- Les trois grandes familles d'apprentissage (supervisé, non supervisé, par renforcement) correspondent à trois façons d'apprendre, pas à trois niveaux de difficulté.
- Un modèle s'entraîne sur une partie des données et se teste sur une autre. Ne jamais évaluer sur ce qu'on a utilisé pour entraîner.
- Le piège numéro un du débutant n'est pas mathématique : c'est le surapprentissage, quand le modèle apprend par cœur au lieu de comprendre.
- Un projet réussi se juge sur des données jamais vues et sur un problème bien posé, pas sur la sophistication de l'algorithme.
Le machine learning expliqué simplement : le programme qui écrit ses propres règles
Prenez la programmation classique. Vous voulez calculer l'impôt sur le revenu. Vous écrivez les tranches, les taux, les règles d'abattement. Le programme applique ce que vous avez décidé. Vous êtes l'auteur des règles, la machine n'est que l'exécutante.
Le machine learning inverse la charge. Au lieu de décrire les règles, vous décrivez des exemples, et vous laissez la machine trouver la règle qui relie les exemples à leurs réponses.
Un exemple chiffré pour fixer les idées
Imaginons que vous vouliez estimer le prix d'un appartement. En programmation classique, il faudrait écrire une formule : tant d'euros le mètre carré, plus une prime pour l'étage, moins une décote selon la rue. Sauf que personne ne connaît les bons coefficients, et ils changent d'un quartier à l'autre.
En machine learning, vous fournissez un tableau. Disons 500 lignes, chacune avec trois colonnes : surface, nombre de pièces, prix de vente réel. Le programme regarde ces 500 lignes et cherche la combinaison de coefficients qui colle le mieux. Il finit par produire quelque chose comme : prix ≈ 3 200 × surface + 8 000 × pièces − 40 000. Ces chiffres, personne ne les a écrits. Ils sont sortis des données.
Et là, la vraie question arrive : est-ce que ce modèle est bon ?
Entraînement et test : la règle d'or
Vous ne jugez jamais un modèle sur les données qui l'ont entraîné. C'est l'erreur que j'ai commise sur mon premier projet sérieux, un petit outil de scoring pour trier des demandes entrantes. Mon modèle affichait 97 % de précision, j'étais fier. Sauf que je l'avais évalué sur les 500 lignes qu'il venait d'apprendre par cœur. Sur des dossiers jamais vus, il tombait à 71 %. J'avais construit une machine à réciter, pas à prédire.
La méthode correcte : vous coupez vos données en deux. Une partie pour l'entraînement, une partie mise de côté que le modèle ne voit jamais. C'est sur cette seconde partie que vous mesurez la performance réelle. Si les deux scores s'écartent beaucoup, ce n'est pas le modèle qui est mauvais. C'est vous qui l'avez laissé tricher.
Les trois types d'apprentissage, et comment les reconnaître
Supervisé, non supervisé, par renforcement. On vous répète ces trois mots partout, mais la différence tient à une seule chose : est-ce que quelqu'un a donné la bonne réponse au modèle pendant qu'il apprenait ?
Dans l'apprentissage supervisé, oui. Chaque exemple arrive avec sa réponse. Surface, pièces, prix. Vous connaissez le prix, vous voulez que le modèle le devine sur des cas futurs. C'est de loin la famille la plus utilisée en entreprise : détection de fraude, prédiction de départ d'un client, classement de courriers.
Dans l'apprentissage non supervisé, non. Vous donnez des données sans étiquette et vous demandez au modèle de trouver des regroupements. Un exemple que j'ai vu marcher étonnamment bien : segmenter des clients d'une boutique en ligne non pas selon des catégories décidées à l'avance, mais selon les comportements qui se ressemblent vraiment. Le modèle a fait remonter un groupe que personne n'attendait — des acheteurs très occasionnels mais très réguliers sur un seul type de produit.
Le renforcement, lui, fonctionne par essai-erreur. Le modèle agit, reçoit une récompense ou une pénalité, et ajuste sa stratégie. C'est ce qui fait jouer une IA aux échecs ou piloter un bras robotisé. Pour un débutant, c'est la famille la moins urgente à maîtriser.
| Type | Données d'entrée | Question typique | Exemple concret |
|---|---|---|---|
| Supervisé | Exemples étiquetés | Quelle sera la valeur ? | Prédire un prix de vente |
| Non supervisé | Données brutes | Qu'est-ce qui se ressemble ? | Regrouper des profils clients |
| Par renforcement | Un environnement, des essais | Quelle action rapporte le plus ? | Apprendre à jouer à un jeu |
Machine learning, deep learning, IA : où se situe chaque chose
Ces trois termes sont souvent mélangés, et ça brouille tout. La hiérarchie est pourtant simple.
Une question d'emboîtement
L'intelligence artificielle désigne le vaste domaine : tout ce qui vise à faire faire à une machine des tâches qu'on réserve habituellement à un humain. Le machine learning en est une partie, celle qui apprend à partir de données. Le deep learning en est une sous-partie encore plus étroite : il utilise des réseaux de neurones à plusieurs couches, capables de traiter des images, du son ou du texte brut.
Autrement dit, tout deep learning est du machine learning, mais l'inverse est faux. Un modèle qui prédit un prix immobilier à partir de trois colonnes n'a rien de profond, et c'est très bien ainsi.
Faut-il du deep learning pour débuter ?
Franchement, non. Et je vais être direct : c'est le meilleur moyen de vous décourager. Le deep learning demande beaucoup de données, beaucoup de calcul, et une bonne dose de réglages fins. La grande majorité des problèmes que vous rencontrerez, surtout sur des données en tableau, se résolvent avec des méthodes plus simples, plus rapides à entraîner, et plus faciles à expliquer à quelqu'un qui vous demande pourquoi le modèle a décidé ça.
Les pièges qui arrêtent la plupart des débutants
Le surapprentissage, on l'a vu, arrive en tête. Mais ce n'est pas le seul.
Il y a les données déséquilibrées. Si 98 % de vos dossiers sont sains et 2 % frauduleux, un modèle qui répond « sain » à tout atteint 98 % de précision sans rien détecter. La précision seule ne veut rien dire dans ce cas.
Il y a les fuites de données. Une colonne qui contient, sans que vous le sachiez, une information que vous n'aurez pas au moment réel de la prédiction. J'ai perdu une semaine sur un projet où une variable encodait indirectement le résultat à prédire. Le modèle était parfait en test. En production, il ne valait rien.
Et il y a le plus vicieux : le problème mal posé. On vous demande de prédire les départs de clients. Mais de quels départs parle-t-on ? Ceux qui ont résilié ? Ceux qui ont arrêté d'acheter sans résilier ? Sur quelle fenêtre de temps ? Tant que cette question n'est pas tranchée, aucun algorithme ne vous sauvera.
Par où commencer, vraiment ?
Choisissez un jeu de données qui vous parle, avec une cible claire et peu de colonnes. Un tableur suffit pour les premières explorations. Fixez une séparation entraînement/test dès le départ et ne touchez plus à la partie test jusqu'à la fin. Mesurez. Ratez. Regardez pourquoi. Recommencez.
Je sais que beaucoup cherchent un cours complet au format PDF, en se disant qu'un document bien rangé réglera la question. Ça aide à se sentir avancer, mais ça ne remplace pas le fait de se tromper sur des données réelles. La théorie prend son sens après, quand vous l'avez vue échouer en pratique.
Ce qu'il faut retenir quand on débute
Le machine learning n'est pas magique et il n'est pas non plus réservé à ceux qui savent dériver des fonctions. C'est une manière de résoudre des problèmes : on montre des exemples plutôt qu'on ne dicte des règles, on mesure sur des données jamais vues, et on accepte que le modèle se trompe parfois.
Si vous ne deviez garder qu'une chose, ce serait celle-là : la qualité de votre problème et de vos données compte infiniment plus que le choix de l'algorithme. J'ai vu des modèles très simples battre des modèles très savants, uniquement parce que quelqu'un avait pris le temps de nettoyer ses colonnes et de poser la bonne question.
La prochaine fois qu'on vous présentera une solution d'IA comme une boîte noire imparable, vous saurez quoi demander. Sur quelles données elle a été entraînée. Comment elle a été évaluée. Et surtout, sur quoi exactement on lui a demandé de se prononcer. La plupart du temps, c'est à cette troisième question que le silence s'installe.
