Apprentissage automatique
Aussi : machine learning · ML
Branche de l’IA où un programme ajuste ses paramètres à partir d’exemples, au lieu de suivre des règles écrites à la main par un développeur.
On fournit des données et un objectif : prédire une étiquette, la suite d’un texte, un clic. L’algorithme d’entraînement corrige les paramètres du modèle jusqu’à ce que l’erreur diminue. Le résultat dépend donc des données : ce qui n’y figure pas, ou mal, le modèle le traite mal.
Trois régimes reviennent. Supervisé : les exemples sont étiquetés. Auto-supervisé : le texte sert lui-même d’étiquette, c’est le cas des modèles de langage. Par renforcement : une récompense guide l’apprentissage. En SEO, la conséquence est ancienne : un classement appris ne se résume pas à une liste de critères pondérés que l’on cocherait un par un.