En clair
L'apprentissage supervisé est une technique d'apprentissage automatique. On entraîne un programme à reconnaître des schémas à partir d'exemples déjà annotés. Chaque exemple est accompagné de la réponse attendue qu'on appelle « étiquette » ou « variable cible ». Le modèle ajuste ses paramètres pour réduire l'écart entre ses prédictions et ces bonnes réponses. Une fois entraîné il prédit l'étiquette d'exemples qu'il n'a jamais vus.
Il sert à deux grandes familles de tâches. La classification prédit une catégorie (un courriel est-il un spam ou non). La régression prédit une valeur numérique comme un prix.
Pourquoi c'est important
On le retrouve dans beaucoup d'applications courantes : reconnaissance d'images, filtre anti-spam, aide au diagnostic médical, prévision des ventes. Il automatise des décisions qui demanderaient sinon une expertise humaine longue et coûteuse. C'est aussi l'une des approches de l'IA les plus mûres et les plus utilisées. Elle repose sur un cadre mathématique solide et dispose de nombreux outils.
Dans la pratique
On commence par réunir un jeu de données. Chaque exemple y est décrit par des caractéristiques (les features) et porte une étiquette. On sépare souvent ces données en un ensemble d'entraînement et un ensemble de test. Le modèle apprend sur le premier. On mesure ensuite sa performance sur le second pour vérifier qu'il généralise bien.
Prenons le diagnostic d'une tumeur, maligne ou bénigne. On fournit au modèle des mesures comme la taille et la forme avec le diagnostic correspondant. Après l'entraînement il sait estimer le diagnostic pour de nouvelles tumeurs.
À ne pas confondre avec
- Dans l'apprentissage non supervisé les données n'ont pas d'étiquettes. Le modèle doit trouver seul des structures comme des groupes d'individus qui se ressemblent.
- Dans l'apprentissage par renforcement un agent apprend par essais et erreurs grâce à des récompenses ou des pénalités, sans exemples étiquetés.
- L'apprentissage automatique en général englobe ces trois approches.