L’IA est une technologie qui prend de plus en plus d’ampleur dans le digital, impactant tout type de business : e-commerce (à l’image des chatbots pour améliorer la relation client), régie publicitaire en ligne, robotique, objets connectés… et est parfois à l’origine de nombreux fantasmes et incompréhensions du grand public. Quand on entend parler d’intelligence artificielle, on y associe souvent des notions techniques qui peuvent prêter à confusion, notamment le deep learning et le machine learning. Ces notions sont des éléments clés utilisés par de nombreux systèmes qui font partie de l’ADN de l’IA.
Afin de rendre ces notions complexes le plus simple et accessible au plus grand nombre, nous allons vous présenter les définitions du deep learning et du machine learning pour les nuls… ou presque.
Qu’est-ce que le machine learning ? Définition d’apprentissage machine/automatique
On appelle machine learning, ou apprentissage automatique en français, l’application d’un algorithme afin de classer des données structurées. Le système se sert de ces données et des retours humains pour adapter son algorithme et ainsi classer de nouvelles données similaires. Après le recueil de l’ensemble des données, le système peut exécuter les actions qui doivent être faites.
Le machine learning est un système apparu dans les années 1980. Il correspond à un sous-ensemble des intelligences artificielles. L’application statistique aux algorithmes leur permet de gagner en efficacité. Son enjeu est donc de construire des courbes qui permettent d’approximer les données et de généraliser facilement. Ainsi, il est possible de réaliser des prédictions sur l’évolution de variables.
Par exemple, le machine learning permet de classer des documents dans les dossiers correspondants ou d’identifier un chat ou un chien sur une photo. De plus, le système s’améliore grâce aux feedbacks fournies par l’utilisateur. C’est pour cette raison qu’on le considère alors comme une intelligence artificielle auto-apprenante.
Qu’est-ce que le deep learning ? Définition d’apprentissage profond
Si le machine learning est très puissant, il affiche également quelques limites.
Le deep learning est un sous-domaine de l’intelligence artificielle. Il fonctionne donc lui aussi avec de très grandes données. Mais celles-ci n’ont pas forcément besoin d’être structurées. Son fonctionnement utilise plusieurs couches de réseaux neuronaux, combinant des algorithmes qui s’inspirent du cerveau humain.
Le système de deep learning est assez utile pour les tâches complexes. Par exemple, lorsque tous les aspects d’un objet à traiter ne peuvent pas être catégorisés, le deep learning va identifier les caractéristiques discriminantes. A la fin de l’algorithme l’objet est classé selon tous les critères identifiés, modifiant le classement existant ou créant une nouvelle catégorie.
Pour fonctionner correctement, le deep learning doit avoir besoin d’un très grand volume de données à analyser. Des résultats fiables sont donnés à partir de 100 millions d’entrées. Apparu dans les années 2010, l’apprentissage profond ne nécessite pas la présence d’un humain pour fonctionner correctement.
Des exemples pour bien comprendre la différence entre deep et machine learning
Plusieurs différences existent entre le deep learning et le machine learning. Si les données sont structurées d’un côté, elles ne le sont pas de l’autre. L’algorithme est modifiable chez l’apprentissage automatique mais composé d’un réseau neuronal d’algorithmes pour l’apprentissage profond.
Une différence résulte également dans les champs d’application des deux systèmes.
Le machine learning est d’abord utile pour le webmarketing. En effet, il existe un bon paquet de données à analyser afin de fournir des prévisions fiables. Le support client, l’informatique décisionnelle et la vente font aussi partie des choses qui sont traitées par l’apprentissage automatique.
Le deep learning est quant à lui très utile dans la sécurité informatique. Avec le réseau neuronal, il peut détecter à la fois les dangers connus que ceux qui ne le sont pas. La création de contenu, le support client et l’assistant vocal sont d’autres domaines dans lesquels on peut retrouver l’usage de l’apprentissage profond.