Apprentissage supervisé, non supervisé et par renforcement

Tous les systèmes d’apprentissage automatique n’apprennent pas de la même façon. On distingue classiquement trois grandes familles de méthodes, chacune adaptée à des types de problèmes différents, et dont la combinaison a permis les avancées récentes en intelligence artificielle conversationnelle.

L’apprentissage supervisé

Dans l’apprentissage supervisé, le modèle apprend à partir d’exemples déjà étiquetés par des humains : des milliers de photos de chats et de chiens correctement identifiées, par exemple. Le modèle ajuste ses paramètres pour minimiser ses erreurs de prédiction sur ces exemples, puis généralise à de nouvelles données jamais vues.

L’apprentissage non supervisé et par renforcement

L’apprentissage non supervisé, à l’inverse, ne dispose d’aucune étiquette : le modèle doit découvrir seul des structures ou des regroupements dans les données, par exemple pour identifier des segments de clientèle aux comportements similaires. L’apprentissage par renforcement, enfin, repose sur un système de récompenses et de pénalités : un agent apprend par essais et erreurs, en explorant un environnement, une méthode qui a notamment permis à des programmes de devenir champions du monde de jeux stratégiques complexes comme le go.

Les grands modèles de langage conversationnels modernes combinent en réalité ces approches : un apprentissage supervisé massif sur des textes existants, suivi d’un ajustement fin par apprentissage par renforcement à partir de retours humains, afin de rendre leurs réponses plus utiles, plus sûres et plus proches de ce qu’un évaluateur humain jugerait convaincant — un écho direct, bien qu’indirect, au critère du test de Turing.