Machine Learning
Machine Learning = apprendre à partir des exemples
Le machine learning (apprentissage automatique) est une branche de l'intelligence artificielle dans laquelle un programme apprend à accomplir une tâche à partir de données, au lieu de suivre des règles écrites à la main par un développeur.
Au lieu de coder « si le message contient tel mot, c'est un spam », on fournit au modèle des milliers d'exemples déjà classés et il en déduit lui-même les régularités. On distingue trois grandes familles :
- l'apprentissage supervisé : apprendre à partir d'exemples étiquetés (prévoir un prix, détecter une fraude)
- l'apprentissage non supervisé : trouver des groupes ou des structures dans des données brutes
- l'apprentissage par renforcement : apprendre par essais et récompenses
Le deep learning, qui utilise des réseaux de neurones profonds, est un sous-ensemble du machine learning ; c'est lui qui a permis les LLM. Mais beaucoup de problèmes concrets (scoring, prévision, recommandation) se résolvent encore très bien avec des méthodes plus classiques, plus simples à expliquer et à maintenir.
Pourquoi ça compte quand on recrute
« Machine learning » recouvre des métiers très différents : le Data Scientist explore et modélise, le ML Engineer met les modèles en production et les maintient, le Research Scientist fait avancer l'état de l'art. Le piège classique : recruter un profil recherche quand le besoin est d'industrialiser. En entretien, demandez quel modèle le candidat a mis en production, comment il en a mesuré l'impact et ce qui s'est passé quand ses performances ont baissé.