Définition
Réseau de neurones récurrent (RNN et LSTM)
Les RNN traitent des séquences en gardant une mémoire du passé — l’approche du langage avant les Transformers.
En clair
Un réseau de neurones récurrent (RNN) traite des données en séquence (texte, audio) en conservant un « état » qui résume ce qu’il a vu avant. Le LSTM en est une version améliorée, capable de retenir plus longtemps.
Comment ça marche
Le RNN lit élément par élément et met à jour sa mémoire à chaque pas. Problème : il oublie vite les dépendances lointaines. Le LSTM ajoute des « portes » pour mieux garder l’essentiel et laisser filer le reste.
Un exemple concret
Avant 2017, la traduction automatique et la reconnaissance vocale reposaient largement sur des LSTM.
À ne pas confondre
Les Transformers (et leur mécanisme d’attention) ont largement remplacé les RNN car ils gèrent bien mieux les longues dépendances, en parallèle. Le RNN reste une étape clé de l’histoire de l’IA.
À retenir
L’ancêtre du traitement de séquences : ingénieux, mais à courte mémoire.
Questions fréquentes
On les utilise encore ?+
Moins : les Transformers dominent. Les RNN gardent des usages sur certaines séquences légères.
Pourquoi le LSTM ?+
Pour retenir des informations plus longtemps que le RNN de base.
Quel lien avec l’attention ?+
L’attention a résolu la faiblesse des RNN sur les dépendances lointaines.
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.