Types d’apprentissage automatique : supervisé, non supervisé, semi-supervisé et plus

Apprentissage supervisé, non supervisé, semi-supervisé, auto-supervisé et par renforcement — avec des définitions précises, des explications en termes simples et des animations d’algorithmes réels.

15 minutes Matěj Žalmánek 2026-10-15

Série Bases de l’IA Partie 42 sur 52

1. Carte de l’intelligence artificielle : qu’est-ce qui est quoi et comment tout s’emboîte
2. Brève histoire de l’intelligence artificielle : de Turing aux modèles de langage
3. Données, modèle, entraînement, inférence : les notions de base sur un seul exemple
4. Lire la notation mathématique : symboles, indices, sommes et quantificateurs
5. Ensembles et relations : les briques dont sont faites les définitions en IA
6. Fonctions et applications : pourquoi tout modèle d’IA est une fonction
7. Logique et démonstrations : les règles selon lesquelles on raisonne en IA
8. Graphes et arbres : la structure sur laquelle reposent la recherche et les réseaux de neurones
9. Algèbre linéaire pour l’apprentissage automatique : vecteurs, matrices et pourquoi l’IA multiplie surtout
10. Dérivées, gradient et règle de dérivation en chaîne : comment un modèle sait dans quelle direction apprendre
11. Descente de gradient : comment un modèle apprend
12. Qu’est-ce que la probabilité : du lancer de dé aux axiomes de Kolmogorov
13. Probabilité conditionnelle et théorème de Bayes : comment réviser une estimation quand on apprend du nouveau
14. Variable aléatoire et fonction de répartition : une seule fonction qui dit tout de la loi
15. Fonction de densité et fonction de masse : pourquoi une variable continue a une probabilité nulle en chaque point
16. Espérance, variance et covariance : où se situe une loi, quelle est sa largeur et ce qui varie avec quoi
17. Panorama des lois de probabilité : Bernoulli, binomiale, Poisson, uniforme, normale et exponentielle
18. Loi des grands nombres et théorème central limite : pourquoi les moyennes sont si prévisibles
19. Statistique et estimation de paramètres : maximum de vraisemblance, MAP et intervalles de confiance
20. Théorie de l’information : entropie, entropie croisée et divergence KL — d’où viennent les fonctions de perte
21. Recherche dans l’espace d’états : BFS, DFS, UCS et A* en animations
22. Jeux et adversaires : minimax, élagage alpha-bêta et Monte Carlo tree search
23. Satisfaction de contraintes : backtracking, propagation de contraintes et AC-3 sur un sudoku et une carte des régions tchèques
24. Logique et systèmes à base de connaissances : chaînage avant et arrière, résolution et systèmes experts
25. Planification : STRIPS, monde des blocs, heuristiques par relaxation et planification dans les agents IA
26. Recherche locale et recuit simulé : un voyageur de commerce à travers les chefs-lieux de région tchèques
27. Algorithmes génétiques : population, croisement, mutation et sélection sur un sac à dos de randonnée
28. Stratégies d’évolution et programmation génétique : de la règle du cinquième à la loi de Kepler
29. Optimisation par colonies de fourmis : comment une piste de phéromone trouve un chemin court
30. Optimisation par essaim de particules : inertie, expérience propre et expérience de l’essaim
31. Neuroévolution : faire évoluer les poids et la forme des réseaux de neurones, et l’algorithme NEAT
32. Ensembles flous et fonctions d’appartenance : comment écrire « un peu chaud »
33. Logique floue et probabilité : pourquoi « un peu chaud » ne veut pas dire « probablement chaud »
34. Logique floue : t-normes, implications et règles SI–ALORS
35. Commande floue : Mamdani et Sugeno, du ventilateur au pendule inversé sur un chariot
36. Clustering flou : l’algorithme fuzzy c-means et les points entre les clusters
37. Systèmes neuro-flous (ANFIS) : des règles floues qui apprennent à partir des données
38. Chaînes de Markov : matrice de transition, distribution stationnaire et PageRank
39. Modèles de Markov cachés : l’algorithme de Viterbi et le casino malhonnête
40. Réseaux bayésiens : pourquoi l’herbe est mouillée et ce que cela implique pour l’arroseur
41. Le filtre de Kalman : comment estimer, à partir de mesures imprécises, où se trouve une voiture et à quelle vitesse elle roule
42. Types d’apprentissage automatique : supervisé, non supervisé, semi-supervisé et plus
43. Prompts, contexte et RAG : comment donner au modèle les bonnes informations
44. Autoencodeurs variationnels (VAE) : de nouvelles images à partir d’un espace latent continu
45. Réseaux antagonistes génératifs (GAN) : le faussaire contre le détective
46. Modèles de diffusion : comment une image naît du bruit pur
47. Processus de décision markoviens : états, actions, récompenses et équations de Bellman
48. Q-learning et DQN : apprendre la valeur des actions, du tableau au réseau de neurones
49. Policy gradient et PPO : apprendre directement la politique
50. Comment fonctionne un agent IA : un modèle de langage en boucle avec des outils
51. Programmer avec des agents IA : consigne, tests et vérification
52. Évaluation et sécurité des systèmes d’IA : comment mesurer et comment surveiller

Programme complet de la série 52 sur 83 sujets publiés

« Le modèle l’a appris. » Cette phrase sonne toujours pareil, mais elle recouvre des choses très différentes. Tantôt le modèle a appris à partir de milliers de photos sur lesquelles quelqu’un avait écrit ce qu’elles montrent. Tantôt il n’a reçu qu’un tas de données sans la moindre étiquette et devait y trouver un ordre. Et tantôt il a appris comme un chien au dressage — en essayant, et en recevant une récompense pour les bons gestes.

C’est pourquoi on classe l’apprentissage automatique selon le signal que le modèle reçoit pendant l’apprentissage. Nous allons parcourir les principaux types, de l’apprentissage supervisé jusqu’à l’apprentissage par renforcement. Pour chacun, vous trouverez une définition précise, une explication en termes simples et un graphique qui est le résultat réel d’un algorithme — rien n’est dessiné à la main.

1. Que signifie « une machine apprend »

Définition — apprentissage (T. Mitchell, 1997)

On dit qu’un programme apprend de l’expérience E par rapport à une classe de tâches T et une mesure de performance P si sa performance sur les tâches de T, mesurée par P, s’améliore avec l’expérience E.

Définition — modèle et paramètres

Un modèle est une fonction f_θ : 𝒳 → 𝒴 de l’espace des entrées 𝒳 vers l’espace des sorties 𝒴, déterminée par des paramètres θ ∈ ℝ^p.

L’apprentissage (entraînement) consiste à chercher les paramètres θ qui minimisent une fonction objectif J(θ) calculée sur les données — typiquement par descente de gradient θ ← θ − η ∇J(θ).

Les principaux types d’apprentissage en bref — ils diffèrent par ce que contiennent les données :

2. Apprentissage supervisé (supervised learning)

Définition — apprentissage supervisé

On dispose d’un ensemble d’entraînement D = {(x_i, y_i)}_i=1ⁿ de paires entrée–étiquette, tirées indépendamment d’une distribution inconnue P(X, Y), et d’une fonction de perte L(ŷ, y) ≥ 0.

On cherche le modèle qui minimise le risque empirique : θ* = argmin_θ (1/n) ∑_i=1ⁿ L(f_θ(x_i), y_i).

Le but n’est pourtant pas l’ensemble d’entraînement — le modèle doit bien fonctionner sur des données nouvelles issues de la même distribution (généralisation). C’est pourquoi la performance se mesure sur un ensemble de test mis de côté.

Selon la nature de l’étiquette y, on distingue deux tâches.

Classification

Définition — classification

Les étiquettes appartiennent à un ensemble fini de classes : y ∈ {1, …, K}. La perte courante est l’entropie croisée L = −∑_k [y = k] log p_θ(k | x).

Régression logistique pour deux classes : p(y = 1 | x) = σ(w^⊤x + b), où σ(z) = 1 / (1 + e^−z). La frontière de décision est la droite w^⊤x + b = 0.

Le graphique montre 60 points de deux classes. La frontière part volontairement mal placée et la descente de gradient la déplace époque après époque jusqu’à séparer les classes :

Régression

Définition — régression

Les étiquettes sont des nombres réels : y ∈ ℝ. La perte courante est l’erreur quadratique moyenne MSE = (1/n) ∑_i (f(x_i) − y_i)².

Pour la régression linéaire f(x) = ax + b, le minimum de la MSE a une forme close : a = ∑(x_i − x̄)(y_i − ȳ) / ∑(x_i − x̄)², b = ȳ − ax̄ (méthode des moindres carrés).

L’apprentissage supervisé fait tourner la plupart des applications pratiques : filtres anti-spam, reconnaissance faciale, diagnostic sur radiographies, estimation du prix d’un bien immobilier. Il a cependant une condition coûteuse — quelqu’un doit étiqueter les données. Et c’est souvent la partie la plus chère de tout le projet.

3. Apprentissage non supervisé (unsupervised learning)

Définition — apprentissage non supervisé

On dispose seulement d’un ensemble d’entrées D = {x_i}_i=1ⁿ ⊂ 𝒳, sans étiquettes. On cherche la structure de la distribution P(X) : des groupes, une représentation de faible dimension ou la densité p(x) elle-même.

Partitionnement : k-means

Définition — k-means

Répartir les points en k groupes C₁, …, C_k de centres μ₁, …, μ_k de façon à minimiser la somme des carrés intra-groupe :

J = ∑_j=1^k ∑_{x ∈ Cj} ‖x − μ_j‖².

L’algorithme de Lloyd alterne deux étapes : (1) affecter chaque point au centre le plus proche, (2) déplacer chaque centre à la moyenne de ses points. Aucune étape n’augmente J, donc l’algorithme s’arrête — mais seulement dans un minimum local.

Les centres (les croix) partent volontairement tous du coin inférieur gauche. Dès la première itération, ils filent vers leurs groupes, et après quatre itérations ils ne bougent plus.

Autres tâches non supervisées : la réduction de dimension (par exemple, l’ACP projette les données sur quelques directions où elles varient le plus — utile pour la visualisation comme pour la compression), la détection d’anomalies (ce qui ne ressemble à rien de connu — un paiement frauduleux, une panne de machine) et l’estimation de densité.

4. Apprentissage semi-supervisé (semi-supervised learning)

Définition — apprentissage semi-supervisé

On dispose d’un petit ensemble étiqueté D_L = {(x_i, y_i)}_i=1^l et d’un grand ensemble non étiqueté D_U = {x_j}_j=l+1^l+u, où u ≫ l. Le but est le même qu’en apprentissage supervisé, mais on se sert aussi de D_U pour l’atteindre.

Cela ne fonctionne que sous l’une des hypothèses suivantes :

• régularité — des points proches ont la même étiquette,
• clusters — les points d’un même groupe ont la même étiquette, la frontière entre classes passe par les zones peu denses,
• variété — les données se trouvent sur une surface de faible dimension et la distance doit se mesurer le long de celle-ci.

Propagation d’étiquettes sur un graphe

Construire un graphe dans lequel chaque point est relié à ses k plus proches voisins (ici k = 4). À chaque tour, chaque point non étiqueté qui a un voisin étiqueté reçoit l’étiquette majoritaire de ses voisins étiquetés. Répéter tant qu’il reste des points non étiquetés.

Les données sont deux « lunes » de 40 points chacune. Seuls deux points ont une étiquette — un dans chaque lune, mis en évidence par un contour. Les autres sont gris :

Les étiquettes se propagent le long des lunes comme un feu dans l’herbe sèche, et en 10 tours tous les points sont correctement étiquetés. Si l’on ignorait les données non étiquetées et qu’on classait chaque point uniquement d’après celui des deux points étiquetés dont il est le plus proche, seuls 84 % seraient corrects : les extrémités des lunes sont plus proches du point étiqueté de l’autre lune que du leur. Ce qui fait la différence, c’est justement la forme des données, que l’on ne connaît que grâce aux points non étiquetés.

Les pseudo-étiquettes (self-training) fonctionnent de façon semblable : un modèle entraîné sur le petit ensemble étiqueté étiquette les données non étiquetées dont il est le plus sûr, puis continue d’apprendre à partir d’elles aussi.

5. Apprentissage auto-supervisé (self-supervised learning)

Définition — apprentissage auto-supervisé

Les données ne sont pas étiquetées, D = {x_i}, mais à partir de chaque x on fabrique automatiquement une paire (x̃, t) = g(x) : x̃ est une partie ou une version abîmée de l’entrée et t ce qui y manque. Le modèle apprend de façon supervisée sur cette tâche prétexte (pretext task).

Prédiction du token suivant — c’est ainsi que l’on pré-entraîne les grands modèles de langage. Un texte est une suite de tokens x₁, …, x_T et on maximise

∑_t=1^T log p_θ(x_t | x₁, …, x_t−1).

Techniquement, l’apprentissage auto-supervisé est de l’apprentissage supervisé, mais les étiquettes ne coûtent rien — c’est pourquoi on peut l’appliquer à tout Internet. Pour les images, on utilise une astuce similaire : le modèle reçoit deux recadrages différents de la même photo et apprend qu’ils vont ensemble (apprentissage contrastif). Le résultat, appelé modèle de fondation, est ensuite affiné pour une tâche précise sur une petite quantité de données étiquetées.

6. Apprentissage par renforcement (reinforcement learning)

Définition — processus de décision markovien

L’environnement est un quintuplet (S, A, P, R, γ) : états S, actions A, probabilité de transition P(s′ | s, a), récompense R(s, a, s′) et facteur d’actualisation γ ∈ [0, 1).

L’agent choisit ses actions selon une politique π(a | s). Le but est de maximiser le retour espéré G = ∑_t≥0 γ^t r_t.

Le Q-learning apprend la valeur Q(s, a) — le retour espéré après l’action a dans l’état s — avec la règle

Q(s, a) ← Q(s, a) + α [r + γ max_a′ Q(s′, a′) − Q(s, a)].

L’agent (orange) se déplace sur une grille. Chaque pas coûte −1, l’arrivée rapporte +10 et le piège −10 ; on ne peut pas entrer dans les murs. Au départ, il ne sait rien. Après 600 épisodes de Q-learning (α = 0,5, γ = 0,95, avec une exploration aléatoire dans 20 % des pas), les flèches montrent la meilleure action apprise dans chaque case :

L’agent prend le chemin le plus court vers l’arrivée et contourne le piège. On voit comment il a appris grâce au retour moyen : sur les 50 premiers épisodes, il était de −11,1 (l’agent errait et tombait dans le piège), sur les 50 derniers déjà de −1,8 — l’écart par rapport à l’optimum vient de l’exploration aléatoire, que l’agent ne coupe pas pendant l’entraînement.

L’apprentissage par renforcement est derrière les programmes qui ont battu les champions du monde de go, derrière le pilotage de robots — et aussi derrière l’affinage des modèles de langage : le RLHF (apprentissage par renforcement à partir de retours humains) utilise comme récompense un modèle entraîné sur les réponses que les humains ont jugées meilleures.

7. Autres façons de classer

Le type de professeur n’est pas le seul critère. En voici quelques autres que vous rencontrerez :

Définition — apprentissage par transfert (transfer learning)

Les paramètres θ₀ appris sur une tâche source servent de point de départ pour une tâche cible : θ* = argmin_θ J_cible(θ), cherché à partir de θ₀, souvent seulement sur une petite partie des paramètres (affinage, fine-tuning).

Définition — apprentissage actif

Le modèle choisit lui-même quels x ∈ D_U faire étiqueter — typiquement ceux où l’incertitude est la plus grande, par exemple avec l’entropie la plus élevée H(p_θ(· | x)).

Définition — modèles génératifs et discriminatifs

Un modèle discriminatif apprend directement p(y | x) ou une frontière de décision. Un modèle génératif apprend la distribution des données p(x), voire p(x, y), et sait en échantillonner de nouvelles données.

Et encore l’apprentissage par lots ou en ligne (le modèle est entraîné une fois sur toutes les données, ou il apprend en continu de chaque nouvel exemple) et les modèles paramétriques ou non paramétriques (un nombre fixe de paramètres comme la régression logistique, ou un modèle qui grandit avec les données comme les k plus proches voisins).

8. Comparaison

9. Résumé

• Les types d’apprentissage diffèrent par l’expérience E que reçoit le modèle : des bonnes réponses, seulement des données, un peu des deux, des réponses fabriquées à partir des données, ou des récompenses pour ses actions.
• L’apprentissage supervisé est le plus direct, mais il exige des étiquettes coûteuses.
• Le non supervisé cherche une structure ; en semi-supervisé, les données non étiquetées aident à étendre quelques étiquettes à tout le reste.
• L’auto-supervisé fabrique les étiquettes à partir des données elles-mêmes — c’est sur lui que reposent les modèles de langage actuels.
• L’apprentissage par renforcement apprend à agir : essayer, collecter des récompenses et anticiper.

En pratique, les types se combinent. Un grand modèle de langage est pré-entraîné par apprentissage auto-supervisé, affiné de façon supervisée sur des réponses modèles, puis enfin par apprentissage par renforcement selon les évaluations humaines. Trois types d’apprentissage dans un seul modèle — celui avec lequel vous êtes peut-être en train de discuter.

Vous voyez les choses autrement ? Écrivez à support@coden-app.com.