Évolution de l’IA Moderne (1950 - Présent)

Qu’est ce que l’intelligence artificielle ?

Qu’est-ce que le Machine Learning ?
Les Données en Machine Learning
Conclusion

Chapitre 1 : Introduction au Machine learning

1 Évolution de l’IA Moderne (1950 - Présent)

2 Qu’est ce que l’intelligence artificielle ?

3 Qu’est-ce que le Machine Learning ?

4 Les Données en Machine Learning

5 Conclusion

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ?
Qu’est-ce que le Machine Learning ?
Les Données en Machine Learning
Conclusion

Objectifs

Dans ce chapitre, nous allons :

Comprendre l’évolution de l’intelligence artificielle depuis
ses débuts jusqu’à son état actuel.
Définir l’intelligence artificielle et ses principales
applications.
Expliquer ce qu’est le Machine Learning et son rôle dans
l’IA.
Identifier l’importance des données dans le processus
d’apprentissage automatique.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? 1950-1970 : L’Avènement de l’IA Moderne
Qu’est-ce que le Machine Learning ? 1970-1990 : L’IA entre Développement et "Hivers de l’IA
Les Données en Machine Learning 1990-Présent : L’Âge Moderne de l’IA
Conclusion

L’Avènement de l’IA Moderne (1950-1970)

1950 : Test de Turing
Alan Turing publie Computing Machinery and Intelligence et propose le
célèbre test pour évaluer si une machine peut penser.
1956 : Naissance officielle de l’IA
Conférence de Dartmouth : Le terme Artificial Intelligence est utilisé pour
la première fois par John McCarthy. C’est également le début des recherches
formelles sur l’IA.
1960s : Premières percées
Développement des premiers programmes d’IA :
Logic Theorist (Allen Newell et Herbert Simon) : capable
de prouver des théorèmes mathématiques.
ELIZA (Joseph Weizenbaum) : Premier chatbot simulant
une conversation humaine.
1969 : Apprentissage machine basique
Marvin Minsky et Seymour Papert démontrent les limites des perceptrons
simples, les premières versions de réseaux neuronaux.
Pr. OMARI Kamal Machine learning
 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? 1950-1970 : L’Avènement de l’IA Moderne
Qu’est-ce que le Machine Learning ? 1970-1990 : L’IA entre Développement et "Hivers de l’IA
Les Données en Machine Learning 1990-Présent : L’Âge Moderne de l’IA
Conclusion

L’IA entre Développement et "Hivers de l’IA"

1970s : Progrès limités

L’optimisme initial diminue en raison des limitations
technologiques (puissance de calcul insuffisante). Financement
réduit, marquant le début des "hivers de l’IA".
1980s : Retour en force avec les systèmes experts
Développement des systèmes experts (programmes capables de
prendre des décisions basées sur des règles complexes), avec des
applications dans la médecine, la finance et l’industrie.
1986 : Renaissance des réseaux neuronaux
Geoffrey Hinton propose le concept de rétropropagation,
relançant l’intérêt pour les réseaux neuronaux.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? 1950-1970 : L’Avènement de l’IA Moderne
Qu’est-ce que le Machine Learning ? 1970-1990 : L’IA entre Développement et "Hivers de l’IA
Les Données en Machine Learning 1990-Présent : L’Âge Moderne de l’IA
Conclusion

L’Âge Moderne de l’IA

1990s : Montée de l’apprentissage automatique
(Machine Learning)
Introduction de nouvelles méthodes comme les arbres de décision
et les SVM (Support Vector Machines). L’IA commence à
surpasser les humains dans des tâches spécifiques, comme les
échecs.
1997 : Deep Blue bat Garry Kasparov
L’ordinateur d’IBM devient le premier à battre un champion du
monde aux échecs.
2000s : Explosion des données et du Deep Learning
Disponibilité massive de données (Big Data) et amélioration des
capacités de calcul, avec des avancées en reconnaissance vocale,
vision par ordinateur et traduction automatique.
Pr. OMARI Kamal Machine learning
 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? 1950-1970 : L’Avènement de l’IA Moderne
Qu’est-ce que le Machine Learning ? 1970-1990 : L’IA entre Développement et "Hivers de l’IA
Les Données en Machine Learning 1990-Présent : L’Âge Moderne de l’IA
Conclusion

L’Âge Moderne de l’IA

2010s : IA dans la vie quotidienne

Applications pratiques : assistants vocaux (Siri, Alexa), voitures
autonomes, diagnostics médicaux. Avancées en Deep Learning
avec des frameworks comme TensorFlow et PyTorch.
2016 : AlphaGo bat Lee Sedol
Une IA de Google DeepMind surpasse un champion mondial au
jeu de Go, un exploit considéré comme une percée majeure.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? 1950-1970 : L’Avènement de l’IA Moderne
Qu’est-ce que le Machine Learning ? 1970-1990 : L’IA entre Développement et "Hivers de l’IA
Les Données en Machine Learning 1990-Présent : L’Âge Moderne de l’IA
Conclusion

L’Âge Moderne de l’IA

2020 et au-delà : IA générative et défis futurs

Apparition de modèles comme GPT (OpenAI) et DALL·E,
capables de générer du texte et des images de haute qualité.
Applications avancées : détection précoce de maladies,
optimisation énergétique, modélisation climatique.
Débats éthiques : biais algorithmiques, vie privée, impacts
sur l’emploi.
Futurs possibles : développement de l’IA générale (AGI),
collaboration homme-machine plus avancée, exploration
spatiale assistée par IA.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? 1950-1970 : L’Avènement de l’IA Moderne
Qu’est-ce que le Machine Learning ? 1970-1990 : L’IA entre Développement et "Hivers de l’IA
Les Données en Machine Learning 1990-Présent : L’Âge Moderne de l’IA
Conclusion

Histoire de l’intelligence artificielle (IA) : création et

évolutions

Figure 1 – Histoire de l’intelligence artificielle (IA)

Pr. OMARI Kamal Machine learning
 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

Définition

L’intelligence artificielle (IA) désigne un domaine de l’informa-

tique qui vise à créer des machines ou des systèmes capables de
simuler des comportements intelligents, similaires à ceux des êtres
humains. Elle permet aux ordinateurs de réaliser des tâches com-
plexes, telles que la reconnaissance d’images, la compréhension du
langage naturel, la prise de décision et la résolution de problèmes,
qui nécessitent habituellement des capacités cognitives humaines.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

Définition

Selon John McCarthy, l’un des pères de l’IA :

« L’intelligence artificielle est la science et l’ingénierie
de fabriquer des machines intelligentes. »
L’objectif principal de l’IA est de permettre aux machines de
percevoir, apprendre, raisonner et agir dans des environnements
variés.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

Les Principales Composantes de l’IA

L’IA se divise en plusieurs domaines, chacun ayant ses caractéristiques

propres et ses méthodes de fonctionnement :
Apprentissage automatique (Machine Learning) : Les systèmes
apprennent et s’améliorent automatiquement à partir de données sans
avoir été explicitement programmés pour chaque tâche spécifique.
Exemple : La reconnaissance de photos sur les réseaux sociaux.
Réseaux neuronaux (Deep Learning) : Inspirés du cerveau
humain, ces réseaux sont capables de reconnaître des patterns
complexes et de traiter des informations non structurées (images,
sons).
Exemple : Voitures autonomes, détection d’anomalies dans des
données.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

Les Principales Composantes de l’IA

Traitement du langage naturel (NLP) : Permet aux

machines de comprendre, d’interpréter et de générer du
langage humain. Exemple : Chatbots, assistants vocaux
comme Siri et Alexa.
Raisonnement et résolution de problèmes : Capacité
à prendre des décisions basées sur des règles logiques ou à
optimiser des solutions.
Exemple : IA dans les jeux d’échecs, la gestion de stocks ou
la prédiction de la météo.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

Types d’IA
L’intelligence artificielle peut être classée en trois catégories principales
selon ses capacités :
IA Faible (Narrow AI) : Elle est conçue pour accomplir une tâche
spécifique et bien définie. Exemple : Les moteurs de recherche comme
Google, les systèmes de recommandations sur Netflix.
IA Forte (General AI) : L’IA forte, encore hypothétique, pourrait
accomplir toute tâche intellectuelle humaine, avec une conscience et
une capacité à raisonner comme un être humain. Exemple : Non
existant aujourd’hui, mais c’est un objectif à long terme pour les
chercheurs.
Superintelligence : Cette IA dépasserait l’intelligence humaine dans
tous les domaines, y compris la créativité, la résolution de problèmes
et la prise de décision. Exemple : Concept théorique pour l’avenir, très
débattu dans la communauté scientifique et éthique.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

Applications de l’IA

L’IA est aujourd’hui présente dans de nombreux secteurs,

apportant des solutions innovantes et améliorant l’efficacité.
Parmi les plus marquantes :
Santé : L’IA aide à diagnostiquer des maladies, à analyser
des images médicales (radiographies, IRM) et à
recommander des traitements personnalisés. Exemple : L’IA
dans la détection du cancer de la peau.
Transports : Les véhicules autonomes, utilisant l’IA, sont
capables de naviguer dans des environnements complexes
sans intervention humaine. Exemple : Tesla, voitures sans
conducteur.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

Applications de l’IA

Commerce et marketing : Les systèmes de

recommandation comme ceux d’Amazon ou de Netflix
utilisent des algorithmes d’IA pour personnaliser
l’expérience utilisateur et prédire les achats ou préférences.
Éducation : L’IA permet l’apprentissage personnalisé en
fonction des besoins et des progrès des étudiants. Exemple :
Systèmes d’apprentissage adaptatifs en ligne.
Sécurité : L’IA permet la détection automatique de
comportements suspects ou de fraudes dans les transactions
bancaires. Exemple : Détection des fraudes par carte
bancaire.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

IA vs Intelligence Humaine

L’intelligence artificielle et l’intelligence humaine partagent des

similarités, mais présentent aussi de nombreuses différences
essentielles :
Critère Intelligence Artificielle Intelligence Humaine
Apprentissage Basé sur des données et des algorithmes Basé sur l’expérience, les émotions, et la cognition
Créativité Limitée aux modèles et données fournies Forte capacité d’innovation, pensée abstraite
Adaptabilité Dépend de l’algorithme, mais plus limité Très flexible et intuitive
Capacité émotionnelle Absente ou simulée Haute capacité à comprendre et répondre aux émotions
Vitesse de calcul Très rapide pour des calculs spécifiques Moins rapide, mais hautement intuitive

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent)
Les Principales Composantes de l’IA
Qu’est ce que l’intelligence artificielle ?
Types d’IA
Qu’est-ce que le Machine Learning ?
Applications de l’intelligence artificielle
Les Données en Machine Learning
Les Différences entre IA et Intelligence Humaine
Conclusion
Défis et Limites de l’IA

Défis et Limites de l’IA

Bien que l’IA ait progressé de manière impressionnante,
plusieurs défis et limitations demeurent :
Biais algorithmiques : L’IA peut perpétuer des biais
présents dans les données sur lesquelles elle est formée. Cela
peut avoir des conséquences néfastes, notamment dans les
systèmes de recrutement ou de justice.
Vie privée et sécurité : L’utilisation des données
personnelles soulève des inquiétudes concernant la
confidentialité et la sécurité des informations sensibles.
Dépendance à la qualité des données : Les systèmes
d’IA sont souvent limités par la qualité, la quantité et la
diversité des données qu’ils reçoivent. Des données de
mauvaise qualité peuvent conduire à de mauvaises décisions.
Pr. OMARI Kamal Machine learning
 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Définition

Le Machine Learning (ML), ou apprentissage automatique, est

une branche de l’intelligence artificielle qui permet aux machines
de "apprendre" à partir de données sans être explicitement pro-
grammées pour chaque tâche. Il s’agit de créer des algorithmes
capables de découvrir des patterns, de faire des prédictions ou
de prendre des décisions en se basant sur des données d’entraîne-
ment.
En d’autres termes, le Machine Learning enseigne à un ordinateur
à résoudre des problèmes en utilisant des exemples plutôt que des
instructions rigides.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Définition du Machine Learning

Arthur Samuel, pionnier du domaine, a défini le Machine

Learning comme :
"Le domaine d’étude qui donne aux ordinateurs la capa-
cité d’apprendre sans être explicitement programmés."
Cela signifie que les modèles de ML utilisent des données pour
s’améliorer automatiquement, au lieu d’exécuter des instructions
étape par étape fournies par un programmeur.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Les Composantes Clés du Machine Learning

Données : Les données sont au cœur du Machine
Learning. Plus elles sont nombreuses et de bonne qualité,
plus le modèle peut être performant.
Algorithmes : Les algorithmes sont des outils
mathématiques utilisés pour identifier des patterns dans les
données.
Modèle : Le modèle est le résultat d’un entraînement :
c’est lui qui effectue des prédictions ou des classifications
sur de nouvelles données.
Validation et Test : Après l’entraînement, les
performances du modèle sont évaluées sur des données qu’il
n’a jamais vues pour vérifier son efficacité.
Pr. OMARI Kamal Machine learning
 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Apprentissage supervisé

L’apprentissage supervisé est le type le plus couramment utilisé

dans le Machine Learning. Il nécessite un jeu de données où
chaque exemple est étiqueté, c’est-à-dire qu’il comporte une
entrée (features) et une sortie (label).

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Principe

L’algorithme apprend une fonction qui associe une entrée X à

une sortie Y . L’objectif est de minimiser l’erreur entre les
prédictions du modèle et les étiquettes réelles en ajustant les
paramètres internes.
Exemples :
Classification : Prédire une catégorie (par exemple, email
spam ou non-spam).
Régression : Prédire une valeur continue (par exemple,
prédiction des prix immobiliers).

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Avantages et Limites

Avantages :
Donne des résultats très précis si les données sont bien
étiquetées.
Facile à évaluer grâce à des métriques d’évaluation.
Limites :
Nécessite un grand volume de données étiquetées, ce qui
peut être coûteux à obtenir.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Apprentissage non supervisé

Contrairement à l’apprentissage supervisé, ici, les données ne

comportent pas de labels. Le modèle doit identifier des patterns
cachés ou regrouper des données similaires sans indications
préalables.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Principe

Le modèle analyse les données pour trouver des relations, des

structures ou des regroupements.
Objectif : Révéler la structure sous-jacente des données.
Exemples :
Clustering (regroupement) : Grouper des clients en
fonction de leurs habitudes d’achat (par exemple,
segmentation de marché).
Réduction de dimensions : Résumer les données en un
plus petit nombre de variables tout en conservant
l’information essentielle.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Avantages et Limites

Avantages :
Permet d’exploiter des jeux de données non étiquetés, qui
sont généralement disponibles en grande quantité.
Utile pour l’exploration initiale de données.
Limites :
Les résultats sont parfois difficiles à interpréter.
Moins précis sans intervention humaine ou sans
connaissance préalable des données.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Apprentissage semi-supervisé

L’apprentissage semi-supervisé combine les deux approches

précédentes : il utilise une petite portion de données étiquetées
et une grande portion de données non étiquetées. Cette méthode
est utile lorsque l’étiquetage des données est coûteux ou difficile
à réaliser.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Principe

L’algorithme exploite la structure des données non étiquetées

pour améliorer les performances d’apprentissage supervisé.
Il cherche à généraliser les informations obtenues sur les données
étiquetées à celles non étiquetées.
Exemples :
Diagnostics médicaux : Classer des radiographies où
seule une petite fraction des images est annotée.
Traitement automatique des langues : Identifier des
entités dans des textes.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Avantages et Limites

Avantages :
Réduit le coût lié à l’étiquetage des données.
Exploite efficacement les données disponibles.
Limites :
Performances très dépendantes de la qualité des données
étiquetées.
Dépend également de la représentativité des données non
étiquetées.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Apprentissage par renforcement

L’apprentissage par renforcement est une approche inspirée de la

théorie des récompenses et punitions. Ici, un agent interagit avec
un environnement pour accomplir une tâche, et il apprend à
optimiser ses actions grâce à un système de retour d’information.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Principe

L’agent effectue des actions et reçoit une récompense positive ou

négative en fonction de l’impact de ces actions sur son objectif.
Objectif : Maximiser les récompenses cumulées à long terme.
Exemples :
Jeux vidéo : Les algorithmes comme AlphaGo de Google
DeepMind battent des joueurs humains.
Robotique : Apprentissage de la marche pour les robots.
Systèmes autonomes : Voitures sans conducteur, gestion
de trafic intelligent.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Avantages et limites

Avantages :
Permet d’optimiser des systèmes complexes et dynamiques.
N’a pas besoin de données préalables, car l’agent génère ses
propres expériences.
Limites :
Nécessite des environnements simulables et des essais
répétitifs.
Peut être inefficace dans des environnements stochastiques
ou avec des retours différés.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ? Définition
Qu’est-ce que le Machine Learning ? Les Composantes Clés du Machine Learning
Les Données en Machine Learning Les Types de Machine Learning
Conclusion

Comparaison des types d’apprentissage

Comparaison des types d’apprentissage :

Critère Apprentissage supervisé Apprentissage non supervisé Apprentissage semi-supervisé Apprentissage par renforcement
Données nécessaires Étiquetées Non étiquetées Peu étiquetées Aucune (expérience générée)
Objectif Prédiction Découverte de structure Combinaison des deux Maximisation des récompenses
Exemples d’usage Classifier des emails, prédire des ventes Clustering, analyse exploratoire Diagnostics médicaux Jeux, robotique, voitures autonomes

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Définition

Les données constituent l’élément fondamental du Machine

Learning. La qualité, la quantité, et la pertinence des données
influencent directement la performance des modèles. Voici une
exploration détaillée des aspects essentiels liés aux données en
Machine Learning

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Types de données

Les données utilisées dans le Machine Learning se déclinent sous

plusieurs formes. Chaque type de données nécessite un
traitement spécifique pour être exploité efficacement par les
algorithmes.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Données structurées

Présentées sous forme de tableaux ou bases de données

relationnelles.
Utilisées dans les modèles de classification ou de régression.
Exemples : Table d’un CRM, où les colonnes représentent
les caractéristiques (âge, revenu, etc.) et les lignes
représentent les instances.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Données non structurées

Données brutes ne suivant pas un format défini.

Exige des techniques avancées comme les réseaux
neuronaux convolutionnels (CNN) ou les modèles de
traitement du langage naturel (NLP).
Exemples : Images, vidéos, fichiers audio, documents
texte.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Données semi-structurées

Mélange entre données structurées et non structurées,

souvent encodées dans des formats comme JSON ou XML.
Exemples : Logs de serveurs, données issues d’objets
connectés.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Caractéristiques des données

pour qu’un modèle de Machine Learning fonctionne efficacement,

les données doivent présenter certaines caractéristiques essentielles :

Pertinence
Quantité
Qualité

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Pertinence, Quantité et Qualité

Pertinence Les données doivent être directement liées au problème à
résoudre. Par exemple, les données météorologiques sont pertinentes pour la
prévision du climat, mais pas pour une classification d’images.
Quantité Une grande quantité de données permet aux algorithmes de
mieux apprendre les patterns et de généraliser. Cependant, l’approche
varie :
Small data : Solutions adaptées comme les techniques
d’augmentation de données ou l’apprentissage par transfert.
Big data : Requiert des outils comme Hadoop ou Spark pour le
traitement.
Qualité Les données doivent être exemptes d’erreurs ou d’incohérences.
Cela inclut :
Absence de valeurs manquantes.
Données sans doublons.
Absence de bruit (données inutiles ou incohérentes).
Pr. OMARI Kamal Machine learning
 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Prétraitement des données

Le prétraitement des données est une étape cruciale pour garantir que les données
sont dans un format compatible avec les algorithmes de Machine Learning.
Nettoyage des données :
Le nettoyage des données comprend plusieurs étapes essentielles :
Gestion des valeurs manquantes : remplacement par la moyenne, la
médiane ou une valeur par défaut.
Suppression des doublons ou des anomalies.
Élimination du bruit : comme les points aberrants (outliers).
Transformation des données
Cette étape permet de mettre les données dans un format plus approprié pour
l’apprentissage :
Normalisation : Mise à l’échelle des données pour les ramener dans un
intervalle spécifique, comme [0, 1].
Standardisation : Centrer les données autour de la moyenne et les ramener
à une variance égale à 1.
Encodage : Conversion des variables catégorielles en format numérique (par
exemple, encodage one-hot ou ordinal).
Pr. OMARI Kamal Machine learning
 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Prétraitement des données

Réduction de dimensions La réduction de dimensions permet de

simplifier les données tout en conservant les informations essentielles :
Techniques comme l’Analyse en Composantes Principales (PCA) pour
réduire la complexité des données tout en conservant les informations
importantes.
Feature engineering Le feature engineering consiste à extraire et créer de
nouvelles caractéristiques à partir des données brutes. Quelques exemples
incluent :
Calcul de l’âge à partir d’une date de naissance.
Ajout de caractéristiques dérivées, comme la somme des achats d’un
utilisateur au cours du dernier mois.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Division des données

Pour évaluer et entraîner les modèles, les données doivent être

divisées en ensembles spécifiques.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Ensemble d’entraînement (Training Set)

L’ensemble d’entraînement est utilisé pour construire et ajuster

le modèle. Il représente généralement 70-80% des données
disponibles. Cet ensemble permet à l’algorithme d’apprendre à
partir des exemples étiquetés afin d’identifier les patterns dans
les données.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Ensemble de validation (Validation Set)

L’ensemble de validation est utilisé pour ajuster les

hyperparamètres du modèle et éviter le surapprentissage
(overfitting). Il permet d’évaluer la capacité du modèle à
généraliser à de nouvelles données. Il représente généralement
10-15% des données. Cet ensemble permet de contrôler les
performances du modèle pendant l’entraînement.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Ensemble de test (Test Set)

L’ensemble de test est utilisé pour évaluer les performances

finales du modèle après l’entraînement. Cet ensemble sert à
vérifier l’efficacité du modèle sur des données inédites. Il
représente environ 10-15% des données. Les résultats obtenus
sur cet ensemble permettent de juger de la capacité du modèle à
généraliser sur de nouvelles données.

Pr. OMARI Kamal Machine learning

 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Déséquilibre des classes

Dans certains jeux de données, les classes peuvent être inégalement
représentées (par exemple, 90% de la classe A et 10% de la classe B).
Cet déséquilibre des classes peut biaiser les modèles.
Solutions :
Rééchantillonnage :
Oversampling : Augmentation des données minoritaires (par
exemple, SMOTE).
Undersampling : Réduction des données majoritaires.
Pondération des classes :
Ajuster les poids des classes dans la fonction de perte.
Génération de données synthétiques :
Création de nouvelles instances basées sur les caractéristiques
existantes.
Pr. OMARI Kamal Machine learning
 Définition
Évolution de l’IA Moderne (1950 - Présent) Types de données
Qu’est ce que l’intelligence artificielle ? Caractéristiques des données
Qu’est-ce que le Machine Learning ? Prétraitement des données
Les Données en Machine Learning Division des données
Conclusion Déséquilibre des classes
Sources de données

Sources de données

Les données peuvent provenir de diverses sources en fonction de

l’application :
Données internes : Collectées directement par une
entreprise ou organisation (par exemple, données CRM,
logs utilisateurs).
Données ouvertes : Jeux de données publics accessibles
gratuitement (par exemple, UCI Machine Learning
Repository, Kaggle).
Données en temps réel : Provenant de capteurs, réseaux
sociaux ou autres systèmes connectés.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ?
Conclusion
Qu’est-ce que le Machine Learning ?
QUIZ
Les Données en Machine Learning
Conclusion

Conclusion

Ce chapitre a introduit les concepts clés du Machine Learning,

en abordant l’évolution de l’IA, la définition de l’intelligence
artificielle, et les principes du Machine Learning. Nous avons
également exploré l’importance des données dans le processus
d’apprentissage. Ces bases préparent à une compréhension
approfondie des techniques et applications du Machine Learning.

Pr. OMARI Kamal Machine learning

 Évolution de l’IA Moderne (1950 - Présent)
Qu’est ce que l’intelligence artificielle ?
Conclusion
Qu’est-ce que le Machine Learning ?
QUIZ
Les Données en Machine Learning
Conclusion

QUIZ
Scannez le code QR et répondez aux questions.

Pr. OMARI Kamal Machine learning