Articles Machine Learning
Tutoriels, guides pratiques et analyses de fond sur Machine Learning, écrits par les ingénieurs et mentors Blent.
51 articles · page 1 sur 2
Machine LearningTabPFN : le modèle de fondation pour données tabulaires
Les modèles de fondation ont transformé le texte, l'image, puis les séries temporelles, mais les données tabulaires, celles des tableaux et des bases de données qui font le quotidien des entreprises, résistaient encore : sur ce terrain, le gradient boosting avec XGBoost ou LightGBM restait la référence, au prix d'un entraînement et d'un réglage pour chaque nouveau jeu de données. TabPFN, développé par Prior Labs et publié dans Nature en 2025, change la donne : ce modèle pré-entraîné prédit directement sur vos données, sans entraînement spécifique, en une seule passe avant.
12 min de lecture
Machine LearningModèles de fondation pour séries temporelles : TimesFM, Chronos et Moirai
Pendant des années, prévoir une série temporelle a signifié entraîner un modèle dédié pour chaque série : un ARIMA pour les ventes d'un produit, un Prophet pour le trafic d'un site, un gradient boosting pour la consommation d'énergie. Chaque nouveau jeu de données imposait de nettoyer, de choisir des hyperparamètres, de valider et de maintenir un modèle de plus. Les modèles de fondation pour séries temporelles changent cette logique : pré-entraînés sur des milliards de points, ils produisent des prévisions directement sur vos données, sans entraînement supplémentaire.
11 min de lecture
Machine LearningHugging Face : tout savoir sur la startup Deep Learning
Hugging Face est une startup française qui s'est fait connaître grâce à l'infrastructure NLP qu'ils ont développée. Aujourd'hui, elle est sur le point de révolutionner le domaine du Machine Learning et traitement automatique du langage naturel. Dans cet article, nous allons présenter Hugging Face et détailler les taches de base que cette librairie permet de réaliser. Nous allons également énumérer ses avantages et ses alternatifs.
8 min de lecture
Machine LearningSpaCy : comment l'utiliser sous Python?
spaCy est une bibliothèque open-source pour le traitement avancé du langage naturel. Elle est conçue spécifiquement pour une utilisation en production et permet de construire des applications qui traitent et comprennent de grands volumes de texte.
10 min de lecture
Machine LearningAuto-encodeurs en Deep Learning : tout savoir
Un auto-encodeur est une structure de réseaux neuronaux profonds qui s'entraîne pour réduire la quantité de données nécessaires pour représenter une donnée d'entrée. Ils sont couramment utilisés en apprentissage automatique pour effectuer des tâches de compression de données, d'apprentissage de représentations et de détection de motifs.
9 min de lecture
- Machine Learning
Réseaux récurrents (RNN) : on vous explique tout
Les réseaux neuronaux récurrents ou les RNNs en abrégé sont une variante des réseaux neuronaux artificiels qui peuvent traiter des données séquentielles et peuvent être entrainés pour détenir les connaissances sur le passé. Les RNNs sont couramment utilisés dans les domaines de l'apprentissage automatique, de traitement de langage naturel et de reconnaissance de formes.
9 min de lecture
Machine LearningRéseaux convolutifs (CNN) : comment ça marche ?
Les réseaux neuronaux sont un sous-ensemble de l’apprentissage automatique, et ils sont au cœur des algorithmes d’apprentissage profond. Inventés par Yann LeCun durant les années 90, les CNNs sont inspirés des réseaux neuronaux biologiques, et ils sont devenus extrêmement populaires en raison de leurs performances dans les domaines de la vision et plusieurs autres domaines.
11 min de lecture
Machine LearningGAN et Deep Learning : créer des données de toute pièces
Les GANs sont des modèles génératifs : ils créent de nouvelles instances de données qui ressemblent à vos données de formation. Par exemple, ils peuvent créer des images qui ressemblent à des photographies de visages humains, même si les visages n’appartiennent à aucune personne réelle.
8 min de lecture
Machine LearningYOLO : détection sur les images avec TensorFlow
Au cours des dernières années, les modèles Deep Learning ont gagné en renommée pour leur capacité à traiter l’information visuelle et ils sont devenus un élément clé de nombreuses applications de vision par ordinateur. Parmi les principaux problèmes que ces modèles peuvent résoudre est la détection et la localisation des objets dans les images.
10 min de lecture
Machine LearningTensorFlow : Deep Learning sous Python
Depuis quelques années, les librairies et boîtes à outils informatiques destinées à l’intelligence artificielle se multiplient. En effet, de nombreuses entreprises ont décidé de se doter d’un service d’intelligence artificielle pour traiter leurs données et élaborer des modèles prédictifs.
9 min de lecture
Machine LearningModèles de Machine Learning les plus populaires
Dans cet article, nous allons expliquer ce que sont les algorithmes d’apprentissage automatique, leurs types et nous allons présenter les modèles les plus populaires.
12 min de lecture
Machine LearningMatplotlib : faire des graphiques en Python
Matplotlib est l’une des bibliothèques les plus puissantes et le plus utilisées en Python pour la visualisation de données. Elle permet nous permet de créer presque n’importe quelle visualisation que nous pourrions imaginer et en plus il y a un riche écosystème d’outils python construits autour d'elle et beaucoup d’outils de visualisation plus avancés utilisent Matplotlib comme bibliothèque de base.
9 min de lecture
Machine LearningTests Python pour le Machine Learning
Dans l'univers du développement logiciel, les tests sont omniprésents. Ils permettent de vérifier que le logiciel ou l'application développée adopte correctement le comportement attendu, ne produit pas de bugs ou s'intègre efficacement dans un environnement existant.
9 min de lecture
Machine LearningIntroduction à pandas sous Python
L'une des bibliothèques utiliser pour le prétraitement des données est Pandas. Si vous avez travaillé avec des données tabulaires avant, vous l'avez certainement utilisé. C'est une bibliothèque du langage de programmation Python utilisée pour la manipulation et l’analyse des données.
9 min de lecture
- Machine Learning
Seaborn : Data Visualization sous Python
Seaborn est une librairie de visualisation de données Python basée sur Matplotlib. Elle fournit une interface plus conviviale pour la création de certaines visualisations de données, notamment les diagrammes de dispersion et les histogrammes.
7 min de lecture
Machine LearningSurapprentissage : comment l’éviter ?
L’un des obstacles les plus délicats dans l’apprentissage automatique est le surapprentissage ou le overfitting en anglais. Un modèle de Machine Learning doit être capable de généraliser, c'est-à-dire qu'il doit pouvoir prendre de nouvelles observations et prédire avec une certaine précision la variable cible associée.
10 min de lecture
Machine LearningL’apprentissage supervisé : définition et exemples
L’apprentissage supervisé est une sous-catégorie de l’apprentissage automatique et de l’intelligence artificielle. Il est défini par son utilisation d’ensembles de données étiquetés pour former des algorithmes qui permettent de classer les données ou de prédire les résultats avec précision. L'objectif est de donner un sens aux données dans le contexte d’une question spécifique.
10 min de lecture
Machine LearningLes Transformers, incontournables du Deep Learning
Les transformers, ou les modèles séquence à séquence, sont des modèles de Deep Learning qui appartiennent à une classe spéciale d’architectures de réseaux de neurones récurrents. Ils sont devenus des modèles de choix pour les Data Scientists lorsqu'ils travaillent sur du texte, remplaçant les anciens RNNs tels que le LSTM ou le GRU.
9 min de lecture
Machine LearningValidation croisée en Machine Learning
Un modèle entraîné sur un jeu de données est capable de prédire les étiquettes des éléments de ce dernier. Mais une fois testé sur d'autres éléments, ce n'est pas vraiment certain qu'il ait la bonne réponse. C’est pourquoi vérifier la capacité de l’algorithme à généraliser est une tâche importante qui nécessite beaucoup d’attention lors de la construction du modèle. Pour ce faire, on utilise la validation croisée.
11 min de lecture
Machine LearningIA responsable et de confiance : de quoi s'agit-il ?
Nous avons récemment eu le plaisir d'organiser un Webinar avec Labelia lab (ex-Substra Foundation). Nous avons eu la chance de recevoir Eric Boniface, cofondateur et directeur de Labelia, qui est venu nous présenter Labelia ainsi que les raisons qui ont amené à sa création.
7 min de lecture
Machine LearningFeature Engineering : définition et exemples
L’ingénierie des fonctionnalités ou en anglais, Feature Engineering est le processus de sélectionner et transformer les variables les plus pertinentes à partir de données brutes, dans l'objectif d’obtenir les meilleurs performances pour les modèles de Machine Learning. Cette notion est une partie indispensable du prétraitement des données et elle est reconnue pour être la clé du succès dans le domaine du Machine Learning.
10 min de lecture
Machine LearningAlgorithme t-SNE : comment ça fonctionne ?
La réduction de dimension est une technique très populaire, généralement utilisée par les Data Scientists pour améliorer la performance des algorithmes de Machine Learning, surtout lorsqu'on travaille avec des jeux de données à plusieurs variables. Elle permet d'éliminer les variables corrélées qui ne contribuent à aucune prise de décision. Il existe plusieurs approches pour ce faire, dont t-SNE, un algorithme d’apprentissage non supervisé connu notamment pour sa capacité à faciliter la visualisation des données non linéaires ayant beaucoup de descripteurs.
9 min de lecture
Machine LearningU-Net : le réseau de neurones populaire en Computer Vision
L'une de ces architectures dont en parle très souvent en Computer Vision est le U-Net. Ayant fait ces preuves en termes de précision et rapidité, le U-Net est maintenant le plus utilisé pour la segmentation d'images, surtout dans le domaine d'imagerie biomédicale.
9 min de lecture
Machine LearningLightGBM : mieux que XGBoost ?
Les modèles basés sur le renforcement de gradient et leurs variantes offertes par plusieurs communautés ont gagné beaucoup de traction ces dernières années. LightGBM, développé par Microsoft et publié en 2016, représente un exemple très populaire. Il est rapide, distribué et de haute performance. Basé sur des algorithmes d'arbre de décision, il est utilisé pour le classement, la classification et de nombreuses autres tâches de Machine Learning. Il représente aussi une excellente alternative à XGBoost.
8 min de lecture
Machine LearningL’ACP : tout savoir sur l’Analyse en Composantes Principales
Si vous avez déjà travaillé avec des jeux de données contenant beaucoup de variables, vous savez que cela peut présenter des problèmes. Pour éviter tout cela, les Data Scientists ont recours généralement à l'ACP ou l’Analyse en Composantes Principales.
9 min de lecture
Machine LearningSVM : Support Vector Machine
SVM (Support Vector Machine ou Machine à vecteurs de support) est un algorithme d’apprentissage automatique supervisé qui peut être utilisé pour les problèmes de classification ou de régression. Toutefois, il est surtout utilisé dans les problèmes de classification.
8 min de lecture
Machine LearningXGBoost : Tout savoir sur le Boosting
XGBoost est un modèle de Machine Learning très populaire chez les Data Scientists. Ayant fait ses preuves en termes de performance et de vitesse, il a récemment dominé les hackathons et compétitions de Machine Learning, ainsi que les concours de Kaggle pour les données structurées ou tabulaires.
10 min de lecture
Machine LearningWord Embedding & NLP : définition, exemples
Pour qu'une machine soit autonome, un principe clé est de pouvoir communiquer via l'un des langages naturels des humains. Le NLP (Natural Language Processing) ou TALN en français (Traitement Automatique du Langage Naturel) est un domaine ancien de l'intelligence artificielle qui existe depuis plus de 50 ans
9 min de lecture
Machine LearningRéseaux de neurones : tout comprendre
Plus anciens qu'on ne le pense, les réseaux de neurones artificiels ont façonné les dernières années en matière de tâches de reconnaissance ou même de traitement de la donnée. En effet, leurs mécaniques s'inspirant directement du fonctionnement du neurone biologique en font un modèle puissant, mais néanmoins difficile à interpréter et à analyser.
9 min de lecture
Machine LearningAlgorithme k-means : comment ça marche ?
L'algorithme des k-means (ou bien k-moyennes) est l’un des algorithmes d’apprentissage non supervisé les plus simples et les plus populaires. Il permet d’analyser un jeu de données afin de regrouper les données « similaires » en groupes (ou clusters). Ce principe est applicable dans divers domaines de l'industrie comme le domaine du marketing pour la segmentation des clients, analyse des réseaux sociaux, etc.
10 min de lecture
Machine LearningArbres de décision en Machine Learning : tout comprendre
L'arbre de décision est l'un des premiers algorithmes de Machine Learning que les Data Scientists apprennent au cours de leur formation. Il est utilisé pour représenter visuellement et explicitement les décisions et la prise de décision pour des problèmes de classification ainsi que pour des problèmes de régression.
10 min de lecture
Machine LearningRandom Forest : comment ça fonctionne ?
Le Random Forest est un algorithme de Machine Learning très populaire auprès des Data Scientists en raison de sa précision, de sa simplicité et de sa flexibilité. Cet algorithme peut être utilisé pour résoudre les problèmes de régression et de classification. Il est fréquemment adopté dans de nombreux domaines tels que les banques et le commerce en ligne pour prédire des comportements et des résultats futurs.
7 min de lecture
Machine LearningC'est quoi la Computer Vision ?
La Computer Vision est un domaine du Machine Learning qui s’intéresse à rendre possible aux ordinateurs de voir, tout en recopiant des parties de la complexité des yeux humains. La machine aujourd’hui est capable de voir, de comprendre, de mesurer et de créer des objets visuels compréhensibles et cohérents, tout cela grâce aux récentes avancées du Deep Learning.
7 min de lecture
- Machine Learning
Le formatage de texte en Python
Dans tous les langages de programmation, on doit afficher des informations sous forme de texte. Cela ne pose pas de difficultés lorsque l'on souhaite afficher une variable de texte. Mais qu'en est-il lorsque l'on souhaite afficher des nombres avec un certain nombre de chiffres après la virgule ? Comment afficher 5 variables à la suite sans écrire des dizaines de + ?
7 min de lecture
Machine LearningTester son code Python
Dans l'univers du développement logiciel, les tests sont omni-présents. Ils permettent de vérifier que le logiciel ou l'application développée adopte correctement le comportement attendu, ne produit pas de bugs ou s'intègre efficacement dans un environnement existant. Mais de quoi s'agit-il exactement ? Comment peut-on écrire du code pour tester du code ? Et surtout, comment peut-on le faire avec du Python.
11 min de lecture
Machine LearningInterprétabilité et Machine Learning
Ce sont des mots que l'on entend de plus en plus : transparence et audit des algorithmes, modèles boîtes noires ou encore interprétabilité. Ce vocabulaire n'est pas tout récent, car déjà au tout début des années 2000, des chercheurs avaient proposé des méthodes permettant d'expliquer le comportement de certains algorithmes dont le fonctionnement était opaque, difficile à traduire en terme de décisions. Par ailleurs, plusieurs secteurs d'activité comme le secteur bancaire, de l'assurance ou de la santé n'ont pas attendu pour intégrer dès le début des méthodes de transparence.
10 min de lecture
