Plan du cours
L'IA et ses débuts
Comment ça marche
L'environnement IA : les concepts des initiés
La prédiction (leçon précédente) donnait un nombre en sortie. Ici, la sortie est une catégorie : 'chat', 'chien', 'ni l'un ni l'autre'. C'est cela que l'on appelle la classification. Comme son nom l'indique le but est de classer une donnée au bon endroit ( un chat pour une photo de chat par exemple)
Si nous abordons ce sujet de manière simple, on pourrait dire que l'on va donner au programme 50 000 photos de chats (avec une étiquette "Ceci est un chat") et 50 000 photos de chiens (avec une étiquette "Ceci est un chien").
En analysant ces millions de pixels, l'IA va repérer des détails minuscules que même l'œil humain a du mal à définir (la texture des poils, l'écartement des yeux, la forme du museau). Elle crée ses propres "filtres".
Voyons cela avec plus détails :
01
Comment un ordinateur voit une image
Pour vous, une photo de chat c'est immédiat. Pour un ordinateur, une image n'est qu'une grille de nombres.
201 212 198 165 ...
189 200 211 183 ...
176 198 204 191 ...
Une image de 200×200 pixels = 40 000 pixels × 3 couleurs = 120 000 nombres. L'IA cherche des patterns dans ces nombres.
02
Les réseaux de neurones : nouveau concept
Dans le cas de la reconnaissance des images, on utilise des réseaux de neurones convolutifs (CNN). Nom barbare, idée simple : le réseau apprend à détecter des formes de plus en plus complexes.
Zoom : Le Réseau de Neurones
Petit zoom sur ce terme : Vous entendrez souvent parler de "Réseaux de neurones" ou de "Deep Learning" (Apprentissage profond). L'idée est simplement de copier (très grossièrement) le fonctionnement d'un cerveau humain.
Un réseau de neurones est organisé en plusieurs rangées (les "couches"). Chaque couche de neurones a une mission très simple et passe le relais à la couche suivante.
Si on reprend notre exemple de la photo du chat :
- La 1ère rangée (couche d'entrée) : Ne regarde que les pixels bêtes. Elle dit "Ici il y a du noir, là du blanc, ici une ligne courbe".
- La 2ème rangée (couche cachée) : Récupère ces infos et assemble les pièces. Elle dit "Ah, ces lignes courbes forment un cercle, et ces triangles ressemblent à des oreilles".
- La dernière rangée (couche de sortie) : Récupère toutes ces conclusions, fait le bilan et annonce fièrement : "Avec tout ce qu'on m'a dit, c'est un chat à 98% !".
03
La sortie : des probabilités, pas des certitudes
Une IA de classification ne répond jamais "c'est un chat" de façon absolue. Elle donne des probabilités pour chaque catégorie :
Le système choisit la catégorie avec la probabilité la plus haute. Si aucune catégorie n'est assez confiante, une bonne IA peut dire "je ne sais pas".
- Pour un ordinateur, une image = une grille de nombres : l'IA cherche des patterns dans ces nombres
- Les réseaux de neurones détectent des formes de plus en plus complexes, couche après couche
- La classification produit des probabilités pour chaque catégorie possible
- Prédiction = un nombre en sortie · Classification = une catégorie en sortie
Cours mis à jour en mars 2026.