Le machine learning se traduit par « apprentissage automatique », une technologie d’intelligence artificielle permettant aux ordinateurs d’apprendre par eux-mêmes en fonction d’un historique. Au cœur de cette technologie, des algorithmes.

Le machine learning reproduit un comportement grâce à des algorithmes d’apprentissage alimentés eux-mêmes par d’immenses sources d’informations. L’ordinateur s’entraîne et s’améliore, d’où le mot apprentissage, il « apprend » à partir de données et en extrait du savoir. Le machine learning comprend plusieurs types d’apprentissages dont :

  • l’apprentissage supervisé : le système apprend une fonction à partir d'exemples ;
  • l'apprentissage non supervisé : le système ne s'appuie pas sur des éléments prédéfinis ;
  • l'apprentissage par renforcement : il consiste à laisser l'algorithme apprendre de ses propres erreurs. Face à un choix aléatoire au départ, s'il se trompe il est « puni », dans le cas contraire, une bonne décision est « récompensée ».

Deux pédagogies s’opposent : dans la première, le « maître » donne des connaissances à l’élève ; dans la seconde, il laisse agir l’élève. Dans cette vidéo, des exemples illustrent comment les algorithmes d'apprentissage classifient et prédisent pour améliorer leur pertinence.