Apprentissage supervisé ou non supervisé : explication des principales différences

Lorsque vous commencez à apprendre l’apprentissage automatique, l’une des premières étapes du chemin est la suivante : quel type d’apprentissage faites-vous ? La réponse change tout : les algorithmes à votre disposition, les données dont vous avez besoin et ce que vous pouvez attendre de votre modèle.

Les deux catégories fondamentales sont l'apprentissage supervisé et l'apprentissage non supervisé. Comprendre la différence n'est pas seulement académique : c'est la première décision que vous prendrez lorsque vous aborderez un nouveau problème de ML.

🏷️ La distinction fondamentale : les labels

La différence la plus fondamentale entre l'apprentissage supervisé et non supervisé réside dans le fait que vos données d'entraînement incluent des étiquettes.

Données étiquetées signifie que chaque exemple de votre ensemble de données est accompagné de la « bonne réponse » : le résultat que vous souhaitez que le modèle prédise ou classifie :

# Labelled dataset (supervised)
email_text                          | label
------------------------------------|-------
"Congratulations! You've won £1000" | spam
"Meeting rescheduled to Thursday"   | not_spam
"URGENT: Your account is suspended" | spam

Données non étiquetées signifie que vous disposez des entrées mais pas de réponses prédéfinies — juste les observations brutes :

# Unlabelled dataset (unsupervised)
customer_id | age | annual_spend | frequency | location
------------|-----|--------------|-----------|----------
C001        | 34  | £2,400       | 12/year   | London
C002        | 52  | £18,000      | 52/year   | Manchester
C003        | 28  | £650         | 3/year    | London

Les données étiquetées sont coûteuses et longues à produire : elles nécessitent que les humains annotent manuellement les exemples. Les données non étiquetées sont abondantes (la plupart des données dans le monde n’ont pas d’étiquette). Cette contrainte pratique détermine quelle approche est possible pour un problème donné.

✅ Apprentissage supervisé

Dans l'apprentissage supervisé, le modèle apprend une cartographie des entrées aux sorties en étudiant des exemples étiquetés. Le « superviseur » est constitué par les données étiquetées elles-mêmes : chaque exemple de formation indique au modèle quelle devrait être la sortie correcte.

###Classement

Lorsque la sortie est une catégorie discrète, il s'agit d'un problème de classification.

Exemples :

• Cet e-mail est-il du spam ou non ?
• Cette image contient-elle un chat ou un chien ?
• Ce demandeur de prêt fera-t-il défaut ? (Oui/Non)
• Quel chiffre (0 à 9) représente ce numéro manuscrit ?

Algorithmes courants :

• Régression logistique
• Arbres de décision et forêts aléatoires
• Machines à vecteurs de support (SVM)
• Réseaux de neurones

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

classifier = RandomForestClassifier(n_estimators=100)
classifier.fit(X_train, y_train)

accuracy = classifier.score(X_test, y_test)
print(f"Test accuracy: {accuracy:.2%}")

Régression

Lorsque le résultat est un nombre continu, il s'agit d'un problème de régression.

Exemples :

• A quel prix cette maison va-t-elle se vendre ?
• Quel sera le cours de cette action demain ?
• Combien d'unités allons-nous vendre le mois prochain ?
• Quelle sera la tension artérielle d'un patient dans six mois ?

Algorithmes courants :

• Régression linéaire
• Régression Ridge / Lasso -Amplification du dégradé (XGBoost, LightGBM)
• Réseaux de neurones

from sklearn.ensemble import GradientBoostingRegressor

model = GradientBoostingRegressor(n_estimators=200, learning_rate=0.1)
model.fit(X_train, y_train)

predictions = model.predict(X_test)
# predictions = [245000, 182000, 412000, ...]  (house prices in £)

🔍 Apprentissage non supervisé

Dans l'apprentissage non supervisé, le modèle explore la structure des données sans aucune étiquette. Plutôt que d’apprendre un mappage avec une sortie connue, il découvre par lui-même des modèles, des regroupements ou des représentations cachés.

Regroupement

Les algorithmes de cluster regroupent des points de données similaires sans qu’on leur dise quels devraient être les groupes.

Exemples :

• Segmenter les clients par comportement d'achat (sans segments prédéfinis)
• Regrouper les documents par sujet
• Identifier les communautés dans un réseau social
• Détecter les anomalies (points qui n'appartiennent à aucun cluster)

Algorithmes courants :

• Clustering K-Means
• DBSCAN (basé sur la densité, gère les formes irrégulières)
• Clustering hiérarchique

from sklearn.cluster import KMeans

# We don't know how many customer segments exist — let's try 4
kmeans = KMeans(n_clusters=4, random_state=42)
kmeans.fit(customer_data_scaled)

# Each customer now has a cluster label (0, 1, 2, or 3)
df['segment'] = kmeans.labels_

# Analyse what each segment looks like
print(df.groupby('segment')[['age', 'annual_spend', 'frequency']].mean())

Réduction de la dimensionnalité

Compressez les données de grande dimension en moins de dimensions tout en préservant autant de structure que possible. Utilisé pour la visualisation, le prétraitement et la suppression des informations redondantes.

Algorithmes courants :

• PCA (Analyse en Composantes Principales) — compression linéaire
• t-SNE — non linéaire, excellent pour la visualisation
• UMAP — rapide, préserve à la fois la structure locale et globale
• Autoencodeurs – compression basée sur un réseau neuronal

from sklearn.decomposition import PCA
import matplotlib.pyplot as plt

# Reduce 50-dimensional data to 2D for visualisation
pca = PCA(n_components=2)
X_2d = pca.fit_transform(X_scaled)

plt.scatter(X_2d[:, 0], X_2d[:, 1], c=cluster_labels, cmap='tab10')
plt.title('Customer segments visualised in 2D')
plt.show()

🔄 Au-delà du binaire : d'autres paradigmes d'apprentissage

La distinction supervisé/non supervisé est fondamentale, mais le paysage du ML est plus riche que ces deux catégories.

Apprentissage semi-supervisé

Utilise une petite quantité de données étiquetées combinée à une grande quantité de données non étiquetées. C’est très pratique car l’étiquetage coûte cher.

Exemple : Vous disposez de 1 000 analyses médicales étiquetées et de 100 000 analyses non étiquetées. L'apprentissage semi-supervisé vous permet de bénéficier des données non étiquetées pour améliorer les performances au-delà de ce que les 1 000 étiquettes seules pourraient réaliser.

Apprentissage auto-supervisé

Un cas particulier où les étiquettes sont générées automatiquement à partir des données elles-mêmes. C'est ainsi que les grands modèles de langage modernes sont pré-entraînés.

Exemple : prenez une phrase, masquez quelques mots et entraînez le modèle à prédire les mots manquants. Les « étiquettes » (les mots corrects) sont libres : elles proviennent directement du texte lui-même. C'est ainsi que BERT a été formé.

Input:  "The cat sat on the [MASK]."
Target: "mat"

L’apprentissage auto-supervisé a été transformateur car il permet de s’entraîner sur des données à l’échelle Internet sans annotation humaine.

Apprentissage par renforcement

Un agent apprend en effectuant des actions dans un environnement et en recevant des récompenses ou des pénalités. Il n’y a pas d’étiquettes – seulement des signaux de rétroaction sur les résultats.

Exemples : Jouer aux échecs, entraîner un robot à marcher, optimiser le système de refroidissement d'un centre de données. Nous abordons cela en profondeur dans sa propre leçon.

🗺️ Choisir la bonne approche

Voici un cadre de décision pratique :

Do you have labelled data?
├── YES → Supervised Learning
│         ├── Output is a category? → Classification
│         │     (spam/not spam, dog/cat, fraud/legit)
│         └── Output is a number?  → Regression
│               (price, temperature, sales volume)
└── NO  → Unsupervised Learning
          ├── Want to find groups?      → Clustering
          │     (customer segments, document topics)
          ├── Want to compress data?    → Dimensionality Reduction
          │     (visualisation, pre-processing)
          └── Want to detect anomalies? → Anomaly Detection
                (fraud, equipment failure)

Partially labelled? → Semi-Supervised Learning
Learning from interaction? → Reinforcement Learning

Points clés à retenir

- L'apprentissage supervisé nécessite des données étiquetées ; le modèle apprend une cartographie des entrées vers les sorties connues - utilisée pour la classification (sortie discrète) et la régression (sortie continue) - L'apprentissage non supervisé fonctionne avec des données non étiquetées ; le modèle découvre une structure cachée – utilisée pour le clustering, la réduction de dimensionnalité et la détection d'anomalies

• Le choix entre supervisé et non supervisé dépend principalement de si vous avez étiqueté les données et de la question à laquelle vous essayez de répondre. - L'apprentissage semi-supervisé comble le fossé, en utilisant une petite quantité de données étiquetées aux côtés de grandes quantités de données non étiquetées. - L'apprentissage auto-supervisé génère ses propres étiquettes à partir des données : c'est la technique derrière les LLM modernes comme BERT et GPT. - L'apprentissage par renforcement est distinct des deux : un agent apprend à partir des signaux de récompense en interagissant avec un environnement, sans étiquettes.
• Utiliser le cadre de décision : étiqueté + sortie de catégorie → classification ; étiqueté + sortie continue → régression ; sans étiquette + rechercher des groupes → clustering