Machine learning
Le machine learning (apprentissage automatique) regroupe les méthodes qui permettent à un programme d’apprendre à partir d’exemples plutôt que de règles écrites : classer, prédire, recommander, détecter.
Mise en contexte
Là où un logiciel classique applique des règles, un modèle de machine learning les déduit des données : quels dossiers risquent un retard, quelle catégorie correspond à un document, quel produit recommander. Il a besoin d’exemples de qualité et d’une mesure de sa précision.
Nos travaux de recherche portent sur la classification et l’analyse de la progression pédagogique, reconnus par le statut de Jeune Entreprise Innovante. Par exemple, l’analyse de la progression des apprenants sur une plateforme e-learning s’appuie sur ces méthodes.
Avant tout projet, nous vérifions que les données existent, en volume et en qualité, et qu’une règle simple ne suffirait pas.
Questions fréquentes
Cela dépend du problème : quelques centaines d’exemples bien annotés suffisent pour spécialiser un modèle pré-entraîné sur un cas précis. La qualité et la représentativité comptent plus que le volume.
Le machine learning classique classe, prédit et détecte ; l’IA générative produit du contenu. Beaucoup de projets combinent les deux : classer un document, puis en extraire ou en générer un résumé.