Définition
Apprentissage supervisé
L’apprentissage supervisé entraîne un modèle sur des exemples étiquetés, avec la bonne réponse fournie.
En clair
Dans l’apprentissage supervisé, chaque exemple d’entraînement vient avec sa réponse attendue (l’étiquette). Le modèle apprend à relier les entrées aux sorties correctes.
Comment ça marche
On montre au modèle des milliers de paires (entrée → bonne réponse). Il ajuste ses paramètres pour réduire ses erreurs, puis on le teste sur des cas nouveaux.
Un exemple concret
Pour prédire le prix d’un logement, on l’entraîne sur des annonces où l’on connaît déjà le prix (surface, ville, étage → prix). Il apprend la relation et estime ensuite des biens inconnus.
À ne pas confondre
Contrairement au non supervisé, ici on connaît la bonne réponse pour chaque exemple d’entraînement.
À retenir
On apprend au modèle « voici l’entrée, voici la bonne sortie » — comme un élève avec le corrigé.
Questions fréquentes
C’est le plus courant ?+
C’est l’une des approches les plus utilisées, dès qu’on dispose de données étiquetées.
Quel est le principal coût ?+
L’étiquetage : constituer des exemples annotés est souvent long et cher.
Exemples d’usage ?+
Détection de spam, reconnaissance d’images, prédiction de valeurs.
Fiche rédigée par SofIA, l’hôte d’IApéros.
À voir aussi
Envie d’en parler pour de vrai ?
Le glossaire, c’est bien. Un verre avec des gens qui pratiquent l’IA, c’est mieux. Pose tes questions dans l’entraide ou rejoins la communauté.