Réseau de neurones artificiels : définition simple

Un réseau de neurones artificiels est un ensemble de petites unités de calcul, les « neurones artificiels », reliées entre elles et organisées en couches. En ajustant les liens entre ces unités à partir d'exemples, le réseau apprend à reconnaître une image, comprendre une phrase ou produire un texte.

Le Journal officiel du 09/12/2018 le définit sobrement comme un « ensemble de neurones artificiels interconnectés qui constitue une architecture de calcul ». La Commission nationale de l'informatique et des libertés (CNIL) ajoute qu'il permet « la résolution de problèmes complexes » comme la vision par ordinateur ou le traitement du langage.

Ce qu'est un neurone artificiel

Selon le Journal officiel, c'est un dispositif à plusieurs entrées et une sortie, qui simule certaines propriétés du neurone biologique. La CNIL précise son calcul : il fait une somme pondérée des valeurs qu'il reçoit, puis applique une « fonction d'activation » pour décider de la valeur qu'il transmet. Les poids de cette somme sont les réglages que l'apprentissage ajuste.

Une image du quotidien

Pensez à un comité qui doit décider s'il accorde un crédit. Chaque membre regarde quelques éléments du dossier et donne un avis, avec plus ou moins de poids selon sa fiabilité passée. Les avis remontent à un second cercle qui les combine, puis à un président qui tranche. Quand une décision se révèle mauvaise, on donne moins de poids à ceux qui se sont trompés. Un réseau de neurones fait cela automatiquement, avec un très grand nombre de « membres » et de réajustements.

Un exemple concret

Prenons un garage qui reçoit des photos de carrosserie envoyées par ses clients. Un réseau de neurones entraîné sur de nombreuses photos annotées (« rayure », « bosse », « rien ») peut proposer un premier tri des demandes. Le garagiste garde la main sur le diagnostic, mais il sait plus vite quelles demandes traiter en premier.

Plusieurs familles de réseaux

La CNIL cite plusieurs variantes : les réseaux récurrents, les auto-encodeurs, les réseaux antagonistes génératifs et les transformeurs. Ce sont ces derniers qui font fonctionner les grands modèles de langage.

Ce que ça change pour une entreprise

• Vous n'avez pas à en construire un pour en profiter : la plupart des outils d'intelligence artificielle (IA) du marché en contiennent déjà.
• Ses résultats dépendent des exemples d'entraînement : un réseau entraîné sur des cas qui ne ressemblent pas aux vôtres se trompera davantage.
• Il explique mal ses décisions : prévoyez une vérification humaine quand l'enjeu est important.

Termes voisins

• Apprentissage profond : l'usage de réseaux à nombreuses couches.
• Transformer : la famille de réseaux derrière les assistants de rédaction.
• Apprentissage automatique : le champ plus large dont tout cela fait partie.