Apprentissage continu

Aussi appelé : Continual Learning · continual-learning · apprentissage incrémental · lifelong learning

Terme Débutant 🧠 Concepts fondamentaux

Mis à jour le 5 juin 2026

L'apprentissage continu est la capacité d'une IA à acquérir de nouvelles connaissances au fil du temps sans oublier les informations essentielles qu'elle a apprises par le passé.

📖 Définition

L'apprentissage continu est la capacité d'un modèle d'IA à acquérir de nouvelles connaissances au fil du temps sans oublier ce qu'il a déjà appris. On parle aussi d'apprentissage incrémental ou lifelong learning. Le défi principal est d'éviter l'oubli catastrophique, un phénomène où l'intégration de nouvelles données efface les apprentissages antérieurs. Différentes stratégies, comme la répétition d'expériences passées ou le gel sélectif de paramètres, permettent de contourner ce problème.

💬 En termes simples

Pensez à un employé chevronné qui suit régulièrement des formations pour rester à jour dans son domaine, sans pour autant oublier les compétences de base acquises au fil de sa carrière. L'apprentissage continu en IA fonctionne de la même façon : le modèle intègre de nouvelles connaissances tout en préservant son savoir existant, comme un professionnel québécois qui cumule des heures de formation continue obligatoire chaque année.

🎯 Exemple concret

En 2026, un système de détection de fraude chez Desjardins s'adapte en continu aux nouvelles tactiques des fraudeurs sans perdre sa capacité à repérer les stratagèmes déjà connus. Un assistant médical dans le réseau de la santé québécois intègre les dernières lignes directrices cliniques tout en conservant ses connaissances existantes. Un robot industriel dans une usine de Drummondville apprend à manipuler de nouveaux composants sans oublier les pièces qu'il traite depuis des mois.

💡 Le saviez-vous ?

Le cerveau humain est le champion de l'apprentissage continu : il peut intégrer de nouvelles compétences toute une vie sans tout réapprendre à zéro. Certaines techniques permettent à un modèle de retenir jusqu'à 95 % de ses connaissances antérieures tout en s'adaptant à de nouvelles tâches, un progrès majeur par rapport aux approches traditionnelles qui pouvaient perdre plus de la moitié de leur performance.

❓ Questions fréquentes

Qu'est-ce que « l'oubli catastrophique » en IA ?

C'est le plus gros problème de l'apprentissage classique : si vous apprenez à une IA à reconnaître des chats, puis que vous lui apprenez ensuite à reconnaître des chiens, elle risque d'oublier complètement ce qu'est un chat. L'apprentissage continu utilise des techniques spéciales pour stabiliser la mémoire et permettre une accumulation de savoirs, comme le fait un humain durant sa carrière.

Pourquoi est-ce vital pour vos systèmes en production ?

Le monde change : de nouveaux mots apparaissent, les comportements des clients évoluent. Un modèle figé dans le temps devient vite obsolète. Avec l'apprentissage continu, votre système s'adapte en temps réel aux nouvelles tendances sans que vous ayez besoin de tout réentraîner de zéro chaque mois, ce qui vous fait économiser temps et argent.

Comment mettre en place un tel système ?

C'est techniquement complexe car il faut équilibrer la « plasticité » (apprendre du neuf) et la « stabilité » (garder l'ancien). Pour bien commencer, utilisez des méthodes de répétition (replay) où vous réinjectez régulièrement quelques anciens exemples clés pendant l'apprentissage des nouvelles données pour rafraîchir la mémoire de votre modèle.

📚 Sources

ArXiv - Continual Lifelong Learning with Neural Networks (Parisi et al., 2019)
Wikipedia - Incremental learning (Contributeurs de Wikipédia, 2024)

🔗 Termes liés

🏷️ Catégorie parente

Apprentissage automatique

Accueil

Outils

Annuaire

Apprendre