Bibliographie & annexes
Quiz & test
Présentation
RÉSUMÉ
Les techniques d’intelligence artificielle se diffusent dans de nombreux secteurs économiques. Cet article, qui propose une introduction aux concepts et définitions de base de l’apprentissage machine, reposant sur des algorithmes spécifiques appliqués à des données en masse, s’intéresse aux principales méthodes (apprentissages supervisé et non supervisé) et en illustre des utilisations sur des cas simples, dans l’objectif de comprendre comment ces techniques contribuent à l’innovation dans différents domaines comme l’industrie, la recherche, la santé, et dans de nombreux pans de notre vie quotidienne.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Jean-François SIGRIST : Ingénieur, journaliste scientifique - eye-π –Tours, France
INTRODUCTION
Depuis le milieu des années 2010, les avancées en intelligence artificielle (IA) connaissent un développement constant et souvent qualifié d’exponentiel. La fascination pour ces techniques transcende les frontières scientifiques, économiques et politiques, comme en témoignent l’augmentation du nombre de publications académiques, les multiples articles de vulgarisation et les nombreux essais et dossiers consacrés au sujet.
Si l’IA est aujourd’hui une technologie phare du XXIe siècle, ses fondements théoriques remontent aux années 1950, une époque où le mathématicien Alan Turing posait les bases des premiers concepts d’intelligence artificielle. Elle résulte de la lente construction de concepts et algorithmes que la disponibilité croissante de données et l’augmentation régulière des capacités de calcul ont rendus concrètement déclinables.
Ce domaine en pleine expansion englobe un ensemble d’algorithmes complexes permettant aux machines de résoudre des problèmes, d’apprendre de leurs expériences et d’optimiser leurs performances de façon autonome.
Dans cet article, à destination principale d’élèves ingénieurs et plus généralement de toute personne désireuse d’une première introduction sur le sujet, nous proposons une synthèse qui vise à retracer brièvement l’histoire de l’IA, à définir ses concepts clefs et à exposer les principales méthodes d’apprentissage. Chaque technique sera illustrée par des exemples simples pour en faciliter la compréhension, contribuant ainsi à clarifier les rouages de cette révolution technologique. Cet article est associé à deux articles compagnons [AG 297] et [AG 298] qui s’intéressent aux applications de ces techniques et aux innovations qu’elles permettent dans de nombreux domaines.
Le lecteur trouvera ces références dans la rubrique « Pour en savoir plus » associée à cet article. Une bibliographie supplémentaire et des liens vers des sites internet lui proposent des ressources utiles afin d’approfondir ses connaissances sur le sujet.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Innovation > Industrie du futur > Industrie du futur : outils numériques > Intelligence artificielle et innovation - Définitions et principes > Glossaire
Accueil > Ressources documentaires > Génie industriel > Industrie du futur > Industrie du futur : outils numériques > Intelligence artificielle et innovation - Définitions et principes > Glossaire
Accueil > Ressources documentaires > Innovation > Management et ingénierie de l'innovation > Ingénierie de l'innovation > Intelligence artificielle et innovation - Définitions et principes > Glossaire
Accueil > Ressources documentaires > Technologies de l'information > Technologies logicielles Architectures des systèmes > Intelligence artificielle : concepts et méthodes d'apprentissage > Intelligence artificielle et innovation - Définitions et principes > Glossaire
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(68 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Une technique au développement « exponentiel »5. Glossaire
Algorithme ; algorithm
Suite d’instructions pour résoudre un problème. En IA, les algorithmes exécutent des tâches complexes comme la classification et l’analyse de données, permettant aux machines d’ajuster leurs modèles et d’améliorer leurs performances.
Analyse en composante principale ; principal component analysis
Technique de réduction de dimensionnalité pour simplifier et visualiser des données complexes. Elle projette les données sur des composantes principales maximisant la variance, utile pour éliminer le bruit et réduire la complexité.
Apprentissage machine ; machine learning
Branche de l’IA où les modèles apprennent à partir de données. En détectant des motifs dans les données, ils améliorent leurs prédictions sans être explicitement programmés pour chaque tâche.
Apprentissage non supervisé ; unsupervised learning
Technique où le modèle découvre des structures dans des données non étiquetées, comme le partitionnement et la réduction de dimensionnalité. Employé pour segmenter des données ou identifier des similarités.
Apprentissage profond ; deep learning
Technique d’apprentissage machine utilisant des réseaux neuronaux profonds pour traiter des données complexes. Employé en vision par ordinateur et traitement du langage, il exploite de grands volumes de données et des GPU performants.
Apprentissage par renforcement ; reinforcement learning
Approche où un agent interagit avec son environnement pour maximiser une récompense. Utilisé dans les jeux et les systèmes autonomes, l’agent ajuste ses actions en fonction des retours reçus.
Apprentissage supervisé ; supervised learning
Méthode où un modèle est entraîné sur des données étiquetées pour faire des prédictions. Utilisé pour la classification et la régression, il apprend à minimiser les erreurs entre prédictions et résultats.
Arbre de décision ; decision tree
Modèle de classification ou régression en forme d’arbre, où chaque nœud représente un test de caractéristique. Simples et interprétables, ils sont sujets au surapprentissage lorsqu’ils sont profonds.
Big data
Ensemble des données massives générées par les activités...
L'expertise technique et scientifique de référence
TEST DE VALIDATION ET CERTIFICATION CerT.I. :
Cet article vous permet de préparer une certification CerT.I.
Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.
de Techniques de l’Ingénieur ! Acheter le module
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(68 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Glossaire
BIBLIOGRAPHIE
-
(1) - JUMPER (J.), HASSABIS (D.) et al - Highly accurate protein structure prediction with AlphaFold. - Nature, 596, pp. 583-589 (2021).
-
(2) - JORDAN (B.) - AlphaFold : un pas essentiel vers la fonction des protéines, Médecine/Science. - 37, pp. 197-200 (2021).
-
(3) - DAVID (A.), ISLAM (S.), TANKHILEVICH (E.), STERNBERG (M.) - The AlphaFold Database of Protein Structures: A Biologist’s Guide. - Journal of Molecular Biology, 434, 167336 (2022).
-
(4) - BELLON (A.), VELKOVSKA (J.) - L’intelligence artificielle dans l’espace public : du domaine scientifique au problème public. - Réseaux, 240, pp. 31-70 (2023).
-
(5) - ENCEL (S.) - Le vertige d’un avenir contrôlé par la machine. - Historia, 933, pp. 58-59 (2024).
-
(6) - PORTNOFF (A.Y.), SOUPIZET (J.F.) - Intelligence...
DANS NOS BASES DOCUMENTAIRES
-
Comment protéger ses données et bases de données ?
ANNEXES
DeepMind – Alphafold
https://deepmind.google/discover/blog/a-glimpse-of-the-next-generation-of-alphafold/
Deeply Learning
https://deeplylearning.fr/cours-theoriques-deep-learning/les-differents-types-dapprentissage/
Experiment with Google
https://experiments.withgoogle.com/
SciKitLearn
TensorFlow Playground
https://playground.tensorflow.org/
La Revue IA
HAUT DE PAGEOrganismes – Fédérations – Associations (liste non exhaustive)
ActuIA
Association française pour l’intelligence artificielle
Association Aristote
http://www.association-aristote.fr/
Hub France IA
Société de mathématiques appliquées et industrielles
Perspectives IA
Laboratoires...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(68 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
1/ Quiz d'entraînement
Entraînez vous autant que vous le voulez avec les quiz d'entraînement.
2/ Test de validation
Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.
Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(68 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
