Terminale · Enseignement scientifique

Utiliser un modèle d'apprentissage : prédire, évaluer et en connaître les limites

Utiliser un modèle entraîné pour effectuer une prédiction sur une donnée nouvelle, puis évaluer sa fiabilité et repérer d'éventuels biais liés aux données d'entraînement.

Aperçu gratuit
Illustration de la fiche « Utiliser un modèle d'apprentissage : prédire, évaluer et en connaître les limites »

Les points essentiels

  • Un modèle d'apprentissage est le résultat de l'entraînement : un ensemble de paramètres ajustés à partir de données, que l'on peut ensuite appliquer à des cas jamais vus.
  • Utiliser un modèle (phase d'inférence ou de prédiction) est différent de l'entraîner : les paramètres ne changent plus, on fournit seulement une nouvelle entrée pour obtenir une sortie.

Les mots à connaître

Modèle
Représentation mathématique obtenue par entraînement sur des données ; elle associe à une entrée (image, texte, mesures) une sortie (classe, valeur, probabilité).
Biais (d'un modèle)
Écart systématique des prédictions, souvent dû à des données d'entraînement non représentatives ou à une mauvaise conception, qui désavantage certains cas ou certains groupes.

Un exemple pour comprendre

Un modèle de reconnaissance d'images a été entraîné à distinguer chats et chiens. On le teste sur 200 photos jamais vues : il en classe correctement 176. Calculer son taux de réussite et son taux d'erreur, puis dire ce que l'on peut en conclure.

Taux de réussite = 176 / 200 = 0,88, soit 88 %. Taux d'erreur = 24 / 200 = 0,12, soit 12 % (ou 100 % - 88 %). Comme les 200 photos n'ont pas servi à l'entraînement, ce résultat estime la capacité du modèle à généraliser : il se trompe environ une fois sur huit sur des images comparables à celles de l'entraînement. On ne peut en revanche rien affirmer sur d'autres animaux ou des photos très différentes (nuit, dessins), qui sortent de son domaine.

Première page de l’Essentiel : Utiliser un modèle d'apprentissage : prédire, évaluer et en connaître les limites
Ketty