2012. Les résultats d’un concours de reconnaissance d’images, l’ImageNet Challenge, tombent, et l’écart frappe tous les participants. Une équipe de l’université de Toronto, Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton, ne rate que 15,3 % des images selon le critère du concours, quand l’équipe suivante en rate 26,2 %. Personne n’a pourtant écrit dans leur programme à quoi ressemble un chat. Leur réseau de neurones a vu environ 1,2 million de photos étiquetées, et il a ajusté ses réglages, erreur après erreur, pendant cinq à six jours de calcul sur deux cartes graphiques. Le score final combine les réponses de plusieurs exemplaires de ce réseau.
LE DÉCLIC EN IMAGE
Apprendre, puis vérifier ailleurs
Les exemples servent à ajuster le modèle. D’autres exemples, gardés à part, servent à vérifier ce qu’il sait faire.
On prépare des exemples pour apprendre et d’autres pour tester.
Le modèle est ajusté à partir des exemples d’apprentissage.
Le test utilise des exemples que cet ajustement n’a pas vus.
LES BASESLes bases, si vous découvrez le sujet
- Modèle
- Un programme dont les réglages permettent d’associer des données à un résultat.
- Entraînement
- La phase où ces réglages sont ajustés à partir d’exemples.
- Test
- Une vérification sur des exemples gardés à part, pour voir si l’apprentissage sert au-delà de ce qui a été vu.
Au fil de cette lecture
Des exemples avec une réponse attendue
Cette manière de faire porte un nom : l’apprentissage supervisé. Chaque exemple associe une entrée, ici une photo, à la réponse attendue, appelée étiquette. Le modèle reçoit la photo, propose une réponse, et on la compare à l’étiquette. Tout repose donc sur un énorme travail humain en amont. La base ImageNet rassemble aujourd’hui plus de 14 millions d’images, classées une à une par des internautes rémunérés à la tâche sur une plateforme d’Amazon.
Le concours n’en utilisait qu’une partie : mille catégories, environ mille photos chacune. C’est déjà assez pour qu’aucun humain ne puisse écrire à la main les règles qui distinguent deux races de chiens très proches. L’idée de l’apprentissage automatique est de laisser les exemples faire ce travail.
Soixante millions de réglages
Le réseau de 2012 possède environ 60 millions de paramètres : des nombres qui déterminent comment chaque morceau d’image pèse dans la réponse finale. Au départ, ils sont quelconques et les réponses absurdes. Pour chaque erreur, une procédure calcule dans quel sens modifier chaque paramètre pour réduire un peu l’écart. Répété des millions de fois, ce petit ajustement finit par produire un système qui reconnaît des objets.
Ici, l’erreur est une quantité calculée, que l’on appelle la perte. La façon de la définir oriente tout l’apprentissage. Le concours ImageNet, par exemple, comptait une réponse comme juste si la bonne étiquette figurait parmi les cinq propositions jugées les plus probables par le modèle. Un autre critère aurait récompensé un autre comportement.
Le piège du par cœur
Un modèle aussi gros a un défaut : il peut retenir ses exemples au lieu d’en tirer des règles utiles. Les auteurs de 2012 l’écrivent eux-mêmes : malgré 1,2 million d’images, ce surapprentissage était un problème sérieux, qu’ils ont dû combattre par plusieurs techniques. Un modèle qui a appris par cœur brille sur ses photos d’entraînement et déçoit sur les autres.
Pensez à un élève qui connaîtrait les corrigés d’une feuille d’exercices, mais resterait démuni devant le même problème formulé autrement. La parade est la même qu’à l’école : interroger sur des exemples jamais vus. Le concours mettait de côté 150 000 images de test, dont les organisateurs gardaient les étiquettes secrètes. Impossible, ainsi, d’ajuster le modèle sur l’examen.
Quand la neige fait le loup
Même testé correctement, un modèle peut apprendre la mauvaise leçon si les exemples la lui soufflent. En 2016, trois chercheurs, Marco Tulio Ribeiro, Sameer Singh et Carlos Guestrin, l’ont montré par une expérience volontairement piégée. Ils entraînent un classificateur à distinguer loups et huskies sur vingt photos choisies de sorte que tous les loups apparaissent sur fond de neige. Le programme devient excellent… pour repérer la neige. Un husky dans un paysage enneigé devient un loup.
Ils ont ensuite montré ce modèle à 27 étudiants en apprentissage automatique. Avant toute explication, dix d’entre eux lui faisaient confiance. Une fois qu’on leur a montré les zones de l’image qui guidaient ses réponses, 25 ont désigné la neige, et trois seulement lui accordaient encore leur confiance. Les raccourcis de ce genre se glissent aussi dans les vraies bases de données : éclairage, décor, appareil photo, ou population mal représentée. Ajouter des milliers d’images prises dans les mêmes conditions ne les corrige pas.
Un score ne vaut que dans son contexte
L’apprentissage supervisé n’est qu’une famille. D’autres modèles apprennent sans étiquettes, en devinant des morceaux masqués de leurs propres données, ou par essais et erreurs dans un environnement. Le Français Yann LeCun, entré aux laboratoires Bell en 1988 et lauréat du prix Turing 2018, a consacré sa carrière à ces machines qui apprennent à reconnaître des images, des sons ou des textes à force d’en voir. Le principe commun reste le même : un signal d’erreur, des ajustements, puis une vérification sur des cas nouveaux.
Un score de 15 % d’erreur sur ImageNet décrit une performance sur des photos du Web, dans mille catégories précises. Il ne dit rien d’une radiographie, d’une photo floue prise de nuit ou d’un objet absent de la liste. Le réseau de 2012 ne connaissait que ses mille catégories : face à une mille et unième, il répondait forcément par l’une des mille qu’il avait apprises.
Ce qu’on garde en tête.
- Apprendre, pour un modèle, c’est ajuster des millions de paramètres afin de réduire une erreur calculée sur des exemples étiquetés.
- En 2012, des réseaux de 60 millions de paramètres, entraînés sur plus d’un million de photos, ramènent l’erreur au concours ImageNet à 15 %, contre 26 % pour le concurrent suivant.
- Un modèle peut apprendre un raccourci, comme la neige derrière les loups : seul un test sur des exemples nouveaux et variés le révèle.
Ce que l’on sait. Ce qui reste ouvert.
Un modèle dépend des exemples et de l’objectif choisis. Réussir un test ne garantit pas la même qualité dans un autre contexte. L’article explique les grandes idées de l’apprentissage supervisé à partir d’exemples ; toutes les IA ne sont pas entraînées de la même manière, et les chiffres cités concernent des expériences précises.
UN PETIT DÉCLIC POUR LA ROUTE
Un modèle obtient d’excellents résultats sur ses photos d’entraînement. Que peut-on en conclure ?
Remonter à la source.
- La perte en régression linéaireGoogle — Machine Learning Crash Course↗
- Le surapprentissageGoogle — Machine Learning Crash Course↗
- Classer ImageNet avec des réseaux de neurones convolutifs profondsKrizhevsky, Sutskever et Hinton · NeurIPS, 2012 · Article de recherche, anglais↗
- À propos d’ImageNetImageNet · Présentation de la base d’images, anglais↗
- « Why Should I Trust You? » : expliquer les prédictions d’un classificateurRibeiro, Singh et Guestrin · 2016 · Article de recherche, anglais↗
- Yann LeCunCollège de France · Présentation du titulaire de chaire 2015-2016↗
Sources consultées le 9 octobre 2026. Rédaction assistée par IA, sans relecture indépendante d’expert à ce stade.
Signaler une erreur ou proposer une précision