{"id":18945,"date":"2024-03-04T11:42:52","date_gmt":"2024-03-04T11:42:52","guid":{"rendered":"https:\/\/edusign.com\/fr\/?post_type=glossaire&p=18945"},"modified":"2024-03-05T09:40:45","modified_gmt":"2024-03-05T09:40:45","slug":"deep-learning","status":"publish","type":"glossaire","link":"https:\/\/edusign.com\/fr\/glossaire\/deep-learning\/","title":{"rendered":"Exploration profonde du deep learning : fondements, applications en formation"},"content":{"rendered":"\n

Le deep learning <\/strong>fascine autant qu\u2019il inqui\u00e8te. Il constitue l\u2019une des avanc\u00e9es technologiques les plus fulgurantes, les plus impressionnantes de ces derni\u00e8res d\u00e9cennies. On peut traduire le terme par son \u00e9quivalent anglais et litt\u00e9ral : \u00ab apprentissage profond<\/strong> \u00bb. <\/p>\n\n\n\n

Cette branche de l’intelligence artificielle<\/strong> repose sur des r\u00e9seaux de neurones<\/strong>, inspir\u00e9s directement par les arcanes du cerveau humain<\/strong>. Ainsi, la machine parvient \u00e0 effectuer des t\u00e2ches complexes de pr\u00e9diction<\/strong>, de classification<\/strong>, jusqu\u2019\u00e0 la reconnaissance de formes, de couleurs, d\u2019expressions\u2026<\/strong><\/p>\n\n\n\n

Puisque nous ne sommes pas un site d\u00e9di\u00e9 sp\u00e9cifiquement \u00e0 la robotique et \u00e0 l\u2019informatique, nous allons aborder cette question par rapport aux m\u00e9thodes d\u2019apprentissage <\/strong>associ\u00e9es. Comment le deep learning<\/strong>, ou plus exactement ses applications, peut-il profiter \u00e0 la formation <\/strong>? Quels sont les risques et les limites \u00e0 prendre en consid\u00e9ration ?<\/p>\n\n\n\n

Dans les lignes \u00e0 venir, nous vous livrons une d\u00e9finition<\/strong>, mais \u00e9galement une r\u00e9flexion <\/strong>sur ce sujet r\u00e9solument contemporain. Une mise en perspective relative \u00e0 l\u2019apprentissage <\/strong>et \u00e0 l\u2019\u00e9ducation.<\/strong><\/p>\n\n\n\n

Qu\u2019est-ce que le deep learning ? Comment fonctionne-t-il ?<\/strong><\/h2>\n\n\n\n

Effor\u00e7ons-nous de simplifier des notions tr\u00e8s\u2026 techniques.

L\u2019\u00e9picentre du deep learning<\/strong> se situe donc au niveau des neurones artificiels. Ce sont, pour ainsi dire, des unit\u00e9s de calcul<\/strong> venant imiter celles dont notre appareil c\u00e9r\u00e9bral est dot\u00e9.

Chaque neurone <\/strong>re\u00e7oit des donn\u00e9es d’entr\u00e9e<\/strong>. Il les traite via <\/em>une fonction d’activation<\/strong>. Cette \u00e9tape, extr\u00eamement subtile et faisant appel \u00e0 des ph\u00e9nom\u00e8nes multiples, n\u00e9cessiterait des pages et des pages de pr\u00e9cisions. En effet, il n\u2019est pas question d\u2019en rester \u00e0 un traitement lin\u00e9aire<\/strong>. Le r\u00e9seau neuronal a la capacit\u00e9 d\u2019apprendre <\/strong>sans se limiter \u00e0 des sch\u00e9mas simplifi\u00e9s. Il assimile une grande quantit\u00e9 de nuances. <\/p>\n\n\n\n

Le r\u00e9sultat <\/strong>nous parvient si rapidement (par exemple, sous forme de texte \u00ab command\u00e9 \u00bb \u00e0 ChatGPT<\/em>) qu\u2019on en sous-estimerait presque la prouesse r\u00e9alis\u00e9e. Les r\u00e9seaux neuronaux sont compos\u00e9s de plusieurs couches : la couche d’entr\u00e9e, les couches cach\u00e9es, et la couche de sortie. Chacune d\u2019entre elles permet l\u2019affinement du machine-learning.<\/strong><\/p>\n\n\n\n

Le poids des informations : quand l\u2019algorithme fait preuve de pond\u00e9ration <\/p>\n\n\n\n

L’apprentissage<\/strong> (celui entrepris par l\u2019ordinateur, donc, la fameuse IA) <\/strong>se fait par l’ajustement des poids synaptiques. Tout le monde conna\u00eet ce concept, non ?<\/p>\n\n\n\n

Non, \u00e9videmment. Mais il se r\u00e9v\u00e8le passionnant. Essayons donc de le restituer simplement. <\/p>\n\n\n\n

Les donn\u00e9es<\/strong> propos\u00e9es au bot <\/strong>n\u2019ont pas toute la m\u00eame importance. Ni la m\u00eame pertinence. S\u2019il devait toutes les assimiler <\/strong>au m\u00eame niveau, ses synapses <\/strong>virtuelles (autrement dit les \u00ab transmetteurs \u00bb d\u2019informations) ne tiendraient pas le cap. <\/p>\n\n\n\n

Il faut all\u00e9ger<\/em>, hi\u00e9rarchiser, organiser <\/em>ce flux. Seul un r\u00e9seau neuronal<\/strong> en est capable. Il per\u00e7oit, con\u00e7oit les subtilit\u00e9s <\/strong>d\u2019un sujet, pour ensuite les restituer.  <\/p>\n\n\n\n

Le cerveau, ce pr\u00e9curseur dans le domaine du tri <\/h3>\n\n\n\n

Notre cerveau <\/strong>ne tient pas compte de tout<\/em>. Au fil de son \u00e9volution g\u00e9n\u00e9tique, cet organe exceptionnel a d\u00e9velopp\u00e9 des capacit\u00e9s de s\u00e9lection<\/strong>. Elles sont plus ou moins efficaces selon les individus. Elle n\u2019en reste pas moins \u00e0 la base de notre intellect. <\/strong>De notre intelligence profonde<\/strong>.<\/p>\n\n\n\n

D\u2019une certaine mani\u00e8re, nous sommes outill\u00e9s pour supporter le d\u00e9ferlement quotidien de d\u00e9couvertes, de r\u00e9alisations\u2026 tout en \u00e9vitant la submersion. Les neurones<\/strong>, lorsqu\u2019elles sont fonctionnelles, savent se montrer select<\/em>, pour une perception et une m\u00e9morisation du monde sereine. Elles ont un talent de pr\u00e9diction <\/strong>et de rationalisation<\/strong> manifeste. <\/p>\n\n\n\n

Gr\u00e2ce au deep learning<\/strong>, les IA <\/strong>deviennent capables de singer cette approche s\u00e9lective<\/em>. Examinons maintenant l\u2019impact de ces innovations sur la formation <\/strong>et l\u2019\u00e9ducation<\/strong>. <\/p>\n\n\n\n

Le deep learning : quelles applications dans le domaine de la formation ?<\/h3>\n\n\n\n

Le ph\u00e9nom\u00e8ne d\u2019apprentissage <\/strong>que nous venons de d\u00e9crire concerne les ordinateurs <\/strong>eux-m\u00eames. Les \u00ab machines \u00bb. Mais ce n\u2019est pas notre point focal chez Edusign<\/em>. Cette introduction \u00e9tait n\u00e9cessaire pour comprendre, m\u00eame basiquement, les fondements de ces nouveaux algorithmes<\/strong>.<\/p>\n\n\n\n

Techniquement, tout ordinateur, depuis le pionnier, se dote d\u2019un syst\u00e8me d\u2019intelligence artificielle<\/strong>. Depuis quelques ann\u00e9es toutefois, et m\u00eame d\u00e9cennies au sein des laboratoires, la technologie <\/strong>a pris de la hauteur. L\u2019extraction des connaissances <\/strong>se veut bien plus pointue et riche.<\/p>\n\n\n\n

Cela donne naissance \u00e0 des robots intelligents <\/strong>\u00e9patants (m\u00eame si nous les banaliserons rapidement) comme ChatGPT<\/em>, le fameux mod\u00e8le de traitement du langage<\/strong>. <\/p>\n\n\n\n

En ce qui concerne la formation<\/strong>, on peut accueillir (si l\u2019on sch\u00e9matise, car il y a \u00e9videmment <\/em>des stades interm\u00e9diaires) cet av\u00e8nement de trois mani\u00e8res :<\/p>\n\n\n\n