Le machine learning est une approche d’IA où les machines apprennent à partir de données pour accomplir des tâches (prédiction, classification, regroupement) sans programmation explicite, en construisant des modèles capables de généraliser à de nouvelles situations.
Le machine learning (ou apprentissage automatique) est une branche de l’intelligence artificielle qui permet à un système informatique d’apprendre à partir de données, sans être explicitement programmé pour chaque tâche.
Plutôt que de suivre des règles codées à la main, l’algorithme analyse un ensemble de données d’entraînement, détecte des motifs, des corrélations ou des structures récurrentes, puis construit un modèle mathématique — appelé modèle ajusté (fitted model) — capable de généraliser à de nouvelles données.
Une fois entraîné, ce modèle peut être utilisé pour :
- Prédire des valeurs continues (régression : ex. prévoir le prix d’un hébergement),
- Classifier des éléments (classification : ex. détecter un commentaire haineux),
- Regrouper des données similaires (clustering : ex. segmenter des visiteurs de site par comportement),
- Découvrir des structures cachées (réduction de dimension, détection d’anomalies, etc.).
L’efficacité du système s’améliore avec l’expérience : plus il est exposé à des données représentatives, plus ses prédictions deviennent fiables — à condition que les données soient de qualité et que le modèle soit bien conçu.
En somme, le machine learning remplace la programmation de règles par l’apprentissage à partir d’exemples.