Définition
Partitionnement (clustering)
Le clustering regroupe automatiquement des données qui se ressemblent, sans catégories prédéfinies.
En clair
Le partitionnement (clustering) est une méthode d’apprentissage non supervisé qui découvre des groupes naturels dans les données, sans qu’on lui ait dit quelles catégories chercher.
Comment ça marche
L’algorithme mesure la proximité entre exemples et rassemble ceux qui se ressemblent en « clusters ». On découvre ensuite ce que chaque groupe a en commun.
Un exemple concret
Segmenter des clients par comportement d’achat pour adapter les offres, ou regrouper des articles par thème sans liste de thèmes prédéfinie.
À garder en tête
Il n’y a pas de « bonne réponse » unique : le nombre de groupes et leur pertinence dépendent du contexte et se jugent au cas par cas.
À retenir
Laisser les données révéler leurs propres groupes, plutôt que de les définir à l’avance.
Questions fréquentes
Combien de groupes ?+
C’est souvent un choix à régler : trop peu masque des nuances, trop fragmente.
Différence avec la classification ?+
Le clustering découvre les groupes ; la classification range dans des catégories connues.
Usage courant ?+
Segmentation clients, détection d’anomalies, organisation de contenus.
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.