📖 Définition

L'apprentissage non supervisé est une méthode où le modèle analyse des données sans étiquettes préalables pour y découvrir des structures cachées. Aucune réponse attendue n'est fournie durant l'entraînement. L'algorithme identifie par lui-même des regroupements, des tendances ou des anomalies dans les données. Cette approche est utile pour explorer de grands ensembles de données dont on ne connaît pas encore l'organisation.

💬 En termes simples

Imaginez un bibliothécaire à la Grande Bibliothèque de Montréal qui reçoit des milliers de livres sans aucune indication de catégorie. En examinant les contenus et les thèmes, il finit par regrouper naturellement les ouvrages en catégories cohérentes sans qu'on lui ait jamais dit comment les classer.

🎯 Exemple concret

Des détaillants québécois utilisent cette technique pour segmenter automatiquement leur clientèle. Des chercheurs en génomique à l'Université de Montréal identifient des sous-types de maladies génétiques. Les plateformes musicales créent des listes de lecture en regroupant des chansons aux caractéristiques similaires.

💡 Le saviez-vous ?

L'apprentissage non supervisé est souvent considéré comme plus proche de la façon dont les humains apprennent naturellement. Yann LeCun estime que l'apprentissage auto-supervisé représente la clé vers une intelligence artificielle véritablement générale.

Navigation

Ressources

Pages