Quelle différence entre IA et machine learning ?

L'intelligence artificielle est le domaine général. Le machine learning en est un champ : celui où la machine apprend à partir de données au lieu de suivre uniquement des règles écrites à la main.

Comment dit-on machine learning en français ?

« Apprentissage automatique » ou « apprentissage machine », termes publiés au Journal officiel du 09/12/2018.

Machine learning : définition de l'apprentissage automatique

Le machine learning, en français « apprentissage automatique », est le champ de l'intelligence artificielle où un programme apprend à accomplir une tâche à partir d'exemples, au lieu de suivre des règles écrites une à une par un développeur. On lui montre beaucoup de données, il en tire un modèle, puis il applique ce modèle à des cas nouveaux.

La Commission nationale de l'informatique et des libertés (CNIL) le présente comme le champ qui vise à donner aux machines « la capacité d'« apprendre » à partir de données », via des modèles mathématiques. Le Journal officiel du 09/12/2018 y voit un processus par lequel un algorithme améliore ses performances en répétant son exécution sur des jeux de données, sans l'intervention d'un programmeur, jusqu'à obtenir régulièrement des résultats pertinents.

Une image du quotidien

Pour apprendre à un enfant à reconnaître un champignon comestible, on ne lui récite pas une liste de règles : on lui en montre des dizaines, en disant à chaque fois « celui-ci oui, celui-là non ». Petit à petit, il repère lui-même ce qui compte. L'apprentissage automatique fonctionne de la même façon : la règle n'est pas écrite à l'avance, elle se dégage des exemples.

Trois grandes familles

Le Journal officiel du 09/12/2018 distingue notamment :

Famille	Principe	Exemple donné
Apprentissage supervisé	On fournit des exemples accompagnés de la bonne réponse.	Reconnaissance d'images, traduction automatique
Apprentissage non supervisé	Le programme cherche seul des ressemblances dans des données brutes.	Repérer des comportements, recommander des achats
Apprentissage par renforcement	Le programme est récompensé ou pénalisé selon ses résultats.	Robotique, jeu de go

Un exemple concret

Prenons un commerce en ligne qui reçoit chaque jour des dizaines de messages clients. En montrant à un modèle quelques milliers de messages déjà classés (« livraison », « retour », « facture »), on obtient un outil qui trie les nouveaux messages tout seul. Personne n'a écrit la règle « si le message contient tel mot » : le modèle l'a déduite des exemples.

Ce que ça change pour une entreprise

Les données sont la matière première : un modèle n'est jamais meilleur que les exemples qu'on lui donne.
L'entraînement et l'usage sont deux temps distincts : la CNIL rappelle qu'une fois l'apprentissage réalisé, le modèle peut être déployé en production (voir inférence).
Les exemples passés peuvent porter des déséquilibres, que le modèle reproduira (voir biais algorithmique).

Termes voisins

Apprentissage profond : la forme d'apprentissage automatique qui utilise des réseaux de neurones à nombreuses couches.
Réseau de neurones : l'outil le plus utilisé aujourd'hui pour apprendre.
Fine-tuning : reprendre un modèle déjà entraîné et le spécialiser.