RÉSEAUX DE NEURONES

Un réseau de neurones formel, couramment appelé réseau de neurones, est un calcul (ou algorithme), généralement réalisé à l'aide d'un ordinateur, dont le résultat reproduit ou prévoit aussi fidèlement que possible, le comportement de n'importe quel processus en fonction des facteurs qui déterminent ce comportement. On entend par « processus » tout système, naturel ou artificiel, et par « facteur » toute grandeur qui est susceptible d'avoir une influence sur le processus. Ainsi, un réseau de neurones est capable de prévoir l'évolution de la température d'un four en fonction de l'intensité du courant électrique dans la résistance chauffante, la vitesse d'un véhicule en fonction du déplacement de la pédale d'accélérateur et de la pente de la route, le cours d'une valeur mobilière en fonction des taux de change du dollar et du yen ainsi que de ses cours passés, la dureté d'un matériau en fonction de sa composition chimique et de sa température d'élaboration, la solvabilité d'une entreprise en fonction de son chiffre d'affaires, etc.

Dans le calcul effectué par le réseau de neurones interviennent des nombres, appelés paramètres ou poids du réseau, qui doivent être calculés de telle sorte que l'imitation et la prévision soient aussi fidèles que possible. Pour effectuer cet ajustement, on utilise des exemples du comportement que l'on veut imiter : on dit que l'on effectue ainsi l'« apprentissage » du réseau de neurones à partir d'exemples judicieusement choisis. Une fois l'apprentissage terminé, le réseau doit être capable non seulement de restituer les exemples de comportement appris, mais surtout de prévoir avec précision des comportements non appris : c'est la faculté de « généralisation ».

Les réseaux de neurones résolvent donc un problème statistique : fondamentalement, la problématique qu'ils abordent n'est pas différente de celle des instituts de sondage qui, après interrogation d'un échantillon représentatif de la population, généralisent les réponses à l'ensemble de la population.

L'aptitude des réseaux de neurones à imiter et à prévoir des comportements, après apprentissage par l'exemple, leur permet d'avoir des applications dans des domaines très divers :

– pour simuler sur ordinateur, et donc prévoir, le comportement de processus complexes, qu'ils soient industriels (robots, installations industrielles, circuits électroniques...), qu'ils intéressent la vie quotidienne (voitures, installations de climatisation...) ou l'activité financière (marketing, investissement, sélection d'informations...), ou qu'ils régissent les milieux naturels ou sociaux (écosystèmes, systèmes sociaux ou politiques...), etc. ;

– pour reconnaître des formes, des signaux, des événements (lecture automatique de codes postaux ou de chèques, reconnaissance d'images, reconnaissance de parole, etc.).

Toutes ces applications, en dépit de leur diversité, possèdent un substrat mathématique et statistique commun : il s'agit toujours d'obtenir une capacité de généralisation aussi satisfaisante que possible compte tenu de la qualité et de la pertinence des exemples utilisés au cours de l'apprentissage. Les réseaux de neurones permettent de résoudre de façon efficace et précise ce type de problèmes ; il serait toutefois exagéré de prétendre qu'ils représentent une forme d'intelligence.

Historique

Les réseaux de neurones constituent un avatar récent d'un vieux rêve : celui de la « machine intelligente », susceptible d'imiter – et, bien sûr, de dépasser – les capacités du cerveau humain. Dès les années 1960, un courant de recherche dans ce domaine s'est développé aux États-Unis, mais ses travaux ont rapidement été limités par deux facteurs : la[...]