Unsupervised Learning

L'apprentissage non supervisé est un type d'apprentissage automatique où un algorithme apprend des modèles à partir de données non étiquetées sans intervention humaine. Contrairement à l'apprentissage supervisé, qui repose sur des paires d'entrée-sortie étiquetées pour entraîner un modèle, l'apprentissage non supervisé traite des données qui ne disposent d'aucune étiquette historique. Le système tente essentiellement d'apprendre par lui-même en découvrant des structures, des modèles ou des relations cachés au sein des données d'entrée. Cette approche est particulièrement précieuse car la grande majorité des données générées aujourd'hui (images, vidéos, textes et journaux de capteurs) n'est ni structurée ni étiquetée.

Link to this sectionComment fonctionne l'apprentissage non supervisé#

Dans les scénarios non supervisés, l'algorithme est laissé à lui-même pour découvrir des structures intéressantes dans les données. L'objectif est souvent de modéliser la distribution sous-jacente des données ou d'en apprendre davantage sur les données elles-mêmes. Comme aucune « bonne réponse » n'est fournie pendant l'entraînement, le modèle ne peut pas être évalué sur la précision au sens traditionnel du terme. Au lieu de cela, la performance est souvent mesurée par la capacité du modèle à réduire la dimensionnalité ou à regrouper des points de données similaires.

Cette méthodologie reflète la façon dont les humains apprennent souvent de nouveaux concepts. Par exemple, un enfant peut distinguer les chiens des chats en observant leurs formes et comportements différents sans nécessairement connaître les noms « chien » et « chat » au départ. De même, les algorithmes non supervisés regroupent les informations en fonction de similitudes inhérentes. Cette capacité est fondamentale pour le développement de l'intelligence artificielle générale (AGI), car elle permet aux systèmes de s'adapter à de nouveaux environnements sans supervision humaine constante.

Link to this sectionTechniques clés de l'apprentissage non supervisé#

L'apprentissage non supervisé englobe plusieurs techniques distinctes, chacune adaptée à différents types de problèmes d'analyse de données :

• Clustering : C'est l'application la plus courante, où l'algorithme regroupe des points de données similaires les uns aux autres. Une méthode populaire est le clustering K-Means, qui partitionne les données en k groupes distincts basés sur la similarité des caractéristiques. Cette méthode est largement utilisée dans la segmentation de marché pour identifier des groupes de clients ayant des comportements d'achat similaires.
• Réduction de dimensionnalité : Les données à haute dimension peuvent être complexes et coûteuses à traiter en termes de calcul. Des techniques comme l'analyse en composantes principales (PCA) réduisent le nombre de variables dans un jeu de données tout en préservant ses informations essentielles. Cela simplifie la visualisation des données et accélère l'entraînement d'autres modèles d'apprentissage automatique.
• Détection d'anomalies : En apprenant à quoi ressemblent les données « normales », les modèles non supervisés peuvent identifier les valeurs aberrantes qui s'écartent significativement de la norme. C'est crucial pour la détection de la fraude financière, où des modèles de transaction inhabituels déclenchent des alertes de sécurité.
• Apprentissage par règles d'association : Cette technique découvre des relations intéressantes entre des variables dans de grandes bases de données. Elle est célèbre pour son utilisation dans l'analyse de panier, aidant les détaillants à comprendre que les clients qui achètent du pain sont également susceptibles d'acheter du beurre.

Link to this sectionApprentissage non supervisé vs supervisé#

Il est important de distinguer l'apprentissage non supervisé de l'apprentissage supervisé. La différence principale réside dans les données utilisées. L'apprentissage supervisé nécessite un jeu de données étiqueté, ce qui signifie que chaque exemple d'entraînement est associé à une sortie correcte (par exemple, une image de chat étiquetée « chat »). Le modèle apprend à mapper les entrées aux sorties pour minimiser l'erreur.

En revanche, l'apprentissage non supervisé utilise des données non étiquetées. Il n'y a pas de boucle de rétroaction indiquant au modèle si sa sortie est correcte. Il existe un juste milieu appelé apprentissage semi-supervisé, qui combine une petite quantité de données étiquetées avec une grande quantité de données non étiquetées pour améliorer la précision de l'apprentissage, souvent utilisé lorsque l'étiquetage des données est coûteux ou chronophage.

Link to this sectionApplications concrètes#

L'apprentissage non supervisé alimente de nombreuses technologies que nous rencontrons quotidiennement. Voici deux exemples concrets :

1. Segmentation client dans la vente au détail : Les plateformes de commerce électronique analysent des millions d'interactions utilisateur sans catégories prédéfinies. En utilisant des algorithmes de clustering, elles identifient des profils d'utilisateurs distincts, tels que les « chasseurs de bonnes affaires du week-end » ou les « passionnés de technologie ». Cela permet des campagnes marketing hautement personnalisées et des systèmes de recommandation, améliorant considérablement l'expérience client.

2. Analyse de séquences génomiques : En bioinformatique, les chercheurs utilisent l'apprentissage non supervisé pour analyser des données génétiques. Les algorithmes regroupent les séquences d'ADN pour trouver des marqueurs génétiques similaires ou des mutations dans différentes populations. Cela aide à comprendre les relations évolutives et à identifier les prédispositions génétiques aux maladies sans avoir besoin d'une connaissance préalable de chaque fonction génique spécifique.

Link to this sectionExemple de code : Clustering avec Scikit-Learn#

Bien que Ultralytics YOLO26 soit principalement un framework de détection d'objets supervisé, les techniques non supervisées sont souvent utilisées dans les étapes de prétraitement, comme l'analyse des distributions d'ancres (anchor boxes) ou le clustering des caractéristiques des jeux de données. Voici un exemple simple utilisant sklearn pour effectuer un clustering K-Means, une technique non supervisée fondamentale.

import numpy as np
from sklearn.cluster import KMeans

# Generate synthetic data: 10 points with 2 features each
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

# Initialize KMeans with 2 clusters (k=2)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto")

# Fit the model to the data (no labels provided!)
kmeans.fit(X)

# Predict which cluster each point belongs to
print(f"Labels: {kmeans.labels_}")
# Output will group the first 3 points together (0) and the last 3 together (1)

Link to this sectionLe rôle de l'apprentissage non supervisé dans l'apprentissage profond#

L'apprentissage profond (DL) moderne intègre de plus en plus de principes non supervisés. Des techniques comme l'apprentissage auto-supervisé (SSL) permettent aux modèles de générer leurs propres signaux de supervision à partir des données. Par exemple, en traitement du langage naturel (NLP), des modèles comme GPT-4 sont pré-entraînés sur de vastes quantités de texte pour prédire le mot suivant dans une phrase, apprenant efficacement la structure du langage sans étiquettes explicites.

De même, en vision par ordinateur (CV), les auto-encodeurs sont utilisés pour apprendre des encodages de données efficaces. Ces réseaux de neurones compressent les images en une représentation de dimension inférieure, puis les reconstruisent. Ce processus enseigne au réseau les caractéristiques les plus saillantes des données visuelles, ce qui est utile pour des tâches telles que le débruitage d'images et la modélisation générative.

Pour ceux qui cherchent à gérer des jeux de données pour l'entraînement, la plateforme Ultralytics propose des outils pour visualiser les distributions de données, ce qui peut aider à identifier des clusters ou des anomalies avant que le processus d'entraînement supervisé ne commence. Comprendre la structure de tes données grâce à l'exploration non supervisée est souvent la première étape vers la création de solutions IA robustes.