Supervised Learning : qu’est-ce que l’apprentissage supervisé ?

Le Supervised Learning, ou apprentissage supervisé, consiste à entraîner un modèle d’IA à faire des prédictions ou des classifications pour de nouvelles données inconnues à l’aide de données étiquetées.

Qu’est-ce que le Supervised Learning ?

L’apprentissage automatique (Machine Learning) doit permettre aux ordinateurs de reconnaître des modèles et d’apprendre des règles. Plutôt que de réagir à la saisie d’un utilisateur humain, les machines doivent être en mesure de prendre des décisions de façon autonome en se basant sur les règles qu’elles ont apprises. Les algorithmes peuvent par exemple apprendre à identifier correctement les spams ou à comprendre le contenu d’une image. Les développeurs et les scientifiques utilisent différentes méthodes pour les entraîner. La méthode la plus fréquemment utilisée est certainement le Supervised Learning, c’est-à-dire l’apprentissage supervisé.

En apprentissage supervisé, les algorithmes sont entraînés à partir de données annotées fournies par les développeurs, qui serviront de base à l’entraînement. Par conséquent, le résultat est déjà connu. La tâche des algorithmes consiste uniquement à identifier les modèles ; à savoir pourquoi telle information est classée dans la catégorie A et telle autre dans la catégorie B.

Le Supervised Learning est donc utilisé pour les algorithmes devant classer des données, qu’elles soient textuelles, visuelles ou audio. Par ailleurs, les problèmes de régression sont l’un des domaines d’application de prédilection de l’apprentissage supervisé. Dans ce cadre, les algorithmes doivent être capables de réaliser des prédictions, par exemple sur l’évolution des prix ou sur l’augmentation de la clientèle.

Une approche intermédiaire, appelée apprentissage semi-supervisé, combine des données étiquetées et non étiquetées. Dans ce modèle, seule une partie des données d’entraînement est annotée, tandis que le reste est analysé par l’algorithme, qui apprend à classer les éléments de manière autonome. Un exemple courant est la reconnaissance faciale sur les réseaux sociaux : après avoir identifié manuellement quelques visages, l’algorithme est capable de reconnaître les autres automatiquement.

L’apprentissage supervisé expliqué à travers un exemple

Supposons que nous souhaitions entraîner un algorithme à distinguer les photos de chats de celles de chiens. Les développeurs préparent à cet effet un très vaste ensemble de données comprenant des photos déjà dotées d’une étiquette, c’est-à-dire appartenant déjà à une catégorie. On pourrait alors imaginer trois groupes : chiens, chats et autres. Il est essentiel que l’ensemble de données montre la plus grande diversité possible. Pour faire simple, si les données d’entraînement comportent uniquement des photos de chats noirs, l’algorithme partira du principe que tous les chats ont un pelage noir. L’ensemble de données doit refléter le mieux possible l’éventail de variantes.

Lors de l’entraînement, l’algorithme reçoit d’abord les données brutes, effectue une première classification et compare ses prédictions aux résultats attendus, préalablement définis par les développeurs. Il ajuste ensuite ses paramètres en fonction de l’écart entre ses prédictions et les valeurs correctes, affinant progressivement son modèle. L’apprentissage se poursuit jusqu’à ce que les prédictions de l’algorithme atteignent un niveau de précision satisfaisant.

Avantages et inconvénients du Supervised Machine Learning

Le choix de la méthode dépend largement des tâches que l’algorithme devra accomplir. Pour les problèmes de régression et de classification, l’apprentissage supervisé est souvent privilégié par rapport aux autres méthodes. Il permet d’entraîner les algorithmes de manière ciblée afin qu’ils soient parfaitement adaptés à leur domaine d’application. Cette approche offre un contrôle total sur le jeu de données d’entraînement, mais exige un travail rigoureux d’annotation et de paramétrage. Pour garantir un modèle performant, l’échantillon de données doit être suffisamment varié et représentatif. L’apprentissage supervisé demande donc des efforts considérables de la part des développeurs, car chaque donnée doit être soigneusement étiquetée.

Bien que l’effort soit relativement important, il permet de comprendre assez facilement ce qui se passe. Alors que dans l’apprentissage non supervisé, bon nombre de choses restent obscures puisque les algorithmes travaillent sans disposer d’instructions réelles, dans l’apprentissage supervisé, le développeur sait ce que fait la machine. Mais cela peut également être un inconvénient : les algorithmes supervisés sont limités aux modèles qu’ils ont appris et ne peuvent pas générer de nouvelles connaissances hors de ce cadre.

Différences avec l’Unsupervised et le Semi-Supervised Learning

Outre le Supervised Learning, il existe également l’Unsupervised Learning (apprentissage non supervisé) et le Semi-Supervised Learning (apprentissage semi-supervisé). Dans ce qui suit, nous abordons respectivement les différences entre ces deux méthodes et l’apprentissage supervisé.

Supervised vs Unsupervised Learning

Alors que le Supervised Learning utilise des ensembles de données dont on connaît à la fois les entrées et les sorties, l’Unsupervised Learning analyse uniquement les entrées sans indication de sortie attendue. Par conséquent, il vise à découvrir des modèles ou des structures inconnus dans les données et convient à d’autres types de tâches que l’apprentissage supervisé, comme le clustering (regroupement de points de données sans les classer dans des catégories).

Étant donné que les sorties de l’ensemble d’apprentissage ne sont pas étiquetées dans le cas de l’Unsupervised Learning, l’effort des développeurs est beaucoup plus faible que dans le cas du Supervised Learning. En revanche, le processus d’apprentissage et le résultat final sont beaucoup plus opaques. Il est donc difficile d’évaluer la performance et la précision des modèles entraînés.

Supervised vs Semi-Supervised Learning

Un inconvénient majeur de l’apprentissage supervisé est le temps considérable que les développeurs doivent consacrer à l’étiquetage des données. L’apprentissage semi-supervisé utilise à la fois des données marquées et non marquées pour pallier cet inconvénient. Le modèle apprend d’abord à partir des données étiquetées et s’améliore ensuite grâce à l’utilisation des données non étiquetées, en reconnaissant les modèles et les structures.

Le principal avantage du Semi-Supervised Learning est l’efficacité, étant donné que moins de données doivent être étiquetées et que le processus peut toujours présenter une précision relativement élevée. Il peut donc être utilisé pour des problèmes de classification similaires à ceux du Supervised Learning, la différence étant qu’il essaiera d’optimiser le processus d’apprentissage. La complexité de la modélisation et l’ajustement de l’équilibre entre les données étiquetées et non étiquetées peuvent cependant constituer un défi.

Autres méthodes d’apprentissage

L’apprentissage supervisé, non supervisé et semi-supervisé ne sont pas les seules méthodes de Machine Learning utilisées pour entraîner les intelligences artificielles.

Le Deep Learning est un processus d’apprentissage dans lequel les modèles déjà entraînés apprennent et évoluent en fonction de leurs entrées. Ces modèles sont basés sur des réseaux neuronaux, qui sont inspirés du cerveau humain.

Il existe également le Reinforcement Learning, en français apprentissage par renforcement, où un ordinateur apprend par essais et erreurs quelles sont les bonnes décisions à prendre. Il vise à établir une stratégie optimale pour maximiser une récompense sur le long terme. Une IA qui apprend à jouer à un jeu vidéo en est un exemple : l’IA reçoit un feedback de l’environnement d’entraînement sur chaque décision et développe ainsi des stratégies de jeu.