Sujet
Tous les articles d’Actu.ai consacrés à Apprentissage automatique : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 74 articles
Avant de s’attaquer à des décisions sophistiquées, une IA gagnerait à apprendre les fondamentaux. Une étude de l’Université de New York, publiée dans Nature Machine Intelligence, s’appuie sur des expériences animales et des réseaux de neurones récurrents pour défendre cette progression par étapes.
Les alliages à éléments multiples résistent mieux à des contraintes extrêmes, mais leur conception reste complexe. Des chercheurs emploient une intelligence artificielle explicable pour identifier le rôle des éléments et de leur environnement local, puis orienter la mise au point de matériaux plus robustes et durables.
Dans la fabrication des thérapies cellulaires, une contamination microbienne peut compromettre un traitement et retarder sa délivrance. Des équipes associant le MIT et des institutions singapouriennes proposent un contrôle précoce fondé sur l’absorbance UV et l’apprentissage automatique, avec un résultat en moins de trente minutes.
Des chercheurs du MIT présentent React-OT, un modèle d’apprentissage automatique destiné à prédire l’état de transition d’une réaction chimique. Environ cinq étapes et 0,4 seconde lui suffisent pour proposer une estimation, avec une précision améliorée de 25 % par rapport aux prédictions antérieures.
Réplique virtuelle alimentée par les données du terrain, le jumeau numérique devient un outil de pilotage plus réactif lorsqu’il est associé à l’intelligence artificielle. Dans l’industrie, les transports ou la cybersécurité, cette combinaison promet de détecter plus tôt les anomalies, à condition de maîtriser les données et les risques éthiques.
Un modèle peut apprendre à repérer un collier plutôt qu’un chien, puis se tromper dès que ce raccourci disparaît. Des chercheurs de l’Université d’État de Caroline du Nord proposent une technique de data pruning qui retire certains exemples complexes afin de limiter ces corrélations fallacieuses, sans devoir les identifier au préalable.
Des chercheurs de l’Université Lehigh ont mis au point un système d’apprentissage automatique capable d’anticiper une anomalie microscopique liée à la fragilité des matériaux. Dans des simulations, il identifie les grains susceptibles de croître anormalement dans 86 % des cas, très tôt dans l’évolution observée.
Planifier les mouvements de trains, les tâches d’une usine ou des ressources limitées exige de résoudre une multitude de contraintes à la fois. Des chercheurs du MIT présentent L-RHO, une méthode qui combine optimisation et apprentissage automatique. Lors de leurs tests, elle a réduit le temps de résolution de 54 % tout en améliorant la qualité des solutions de 21 %.
L’informatique quantique pourrait un jour améliorer l’optimisation et la détection de motifs dans les IA génératives. Mais au 9 avril 2025, les machines disponibles restent très loin des capacités requises pour entraîner les grands modèles de langage. Entre expérimentations ciblées et obstacles matériels, la révolution annoncée demeure surtout une perspective de recherche.
Dans la finance, l’intelligence artificielle ne se limite plus aux chatbots. Elle aide les plateformes à analyser les transactions, détecter les fraudes, évaluer certains risques et personnaliser les services. Mais ces outils exigent des données fiables, des contrôles humains et une gouvernance solide.
Le chien-robot Aibo de Sony pourrait enrichir son répertoire avec des déplacements plus discrets et des routines de danse sophistiquées. Ces évolutions, encore présentées comme des pistes en cours de test le 15 mars 2025, illustrent l’ambition de faire du robot un compagnon domestique plus expressif et plus personnalisé.
L’intelligence artificielle s’invite dans la métallurgie pour aider les chercheurs à concevoir des alliages de titane plus adaptés aux usages industriels. En analysant des données et en prédisant des propriétés avant les essais, elle promet d’écourter la recherche, à condition que chaque résultat soit confirmé en laboratoire et en production.
Une attaque adversariale peut faire commettre une erreur à un modèle d’intelligence artificielle grâce à une modification parfois imperceptible pour l’humain. Une méthode fondée sur un autoencodeur masqué ambitionne de nettoyer ces entrées avant leur analyse. Son intérêt est réel, mais sa robustesse doit être mesurée avec rigueur avant tout déploiement sensible.
Un jeu de données consacré à la manipulation de textiles doit aider les robots à mieux reconnaître et traiter des tissus variés. Images, vidéos, simulations et annotations détaillées visent des tâches comme le pliage, le tri ou le rangement. Mais la souplesse imprévisible des vêtements reste un défi majeur pour l’automatisation.
Les conteneurs rendent les applications plus rapides à déployer, mais multiplient aussi les configurations, les images logicielles et les accès à protéger. Dans les environnements Kubernetes, l’apprentissage automatique peut aider les équipes à repérer des anomalies, hiérarchiser les alertes et réagir plus vite. À condition de ne pas négliger les règles de sécurité fondamentales.
Une prévision ne vaut que par la manière dont elle est vérifiée. Des chercheurs du MIT montrent que les méthodes classiques peuvent mal évaluer des modèles travaillant sur des données géographiques, car les mesures voisines ne sont pas indépendantes. Leur approche veut rendre les prévisions environnementales, météorologiques et sanitaires plus fiables.
Mis au point au MIT, SySTeC est un compilateur qui aide à éviter des calculs répétitifs dans les simulations et les modèles d’intelligence artificielle. Son idée : exploiter en même temps la sparsité et la symétrie des données. Lors d’expérimentations, les chercheurs ont observé des gains pouvant atteindre 30 fois.
Les batteries à état solide promettent de transformer le stockage d’énergie, mais leurs performances se jouent aussi à une échelle invisible. Des chercheurs du Lawrence Livermore National Laboratory associent simulations, microstructures numériques et apprentissage automatique pour repérer les agencements de matériaux qui favorisent, ou entravent, le passage des ions.
Pour mieux protéger leurs outils d’intelligence artificielle, les organisations doivent apprendre à raisonner comme leurs adversaires. La modélisation de l’intelligence adverse consiste à simuler les tactiques d’attaque afin d’identifier les failles avant leur exploitation. Une approche utile, à condition de l’encadrer par une gouvernance, des contrôles humains et une veille continue.
Des chercheurs du MIT proposent une méthode d’apprentissage automatique entraînée sur des calculs quantiques très précis. Baptisé MEHnet, ce modèle vise à prévoir rapidement plusieurs propriétés électroniques de molécules, un levier potentiel pour la découverte de matériaux, de médicaments ou de solutions de stockage d’énergie.
Des chercheurs de l’Université de Bonn proposent une méthode d’entraînement pour les réseaux neuronaux à impulsions, ou « spikes ». Inspirée de la communication économe des neurones biologiques, elle vise à réduire l’énergie nécessaire à l’apprentissage sans renoncer à des résultats utiles sur des tâches complexes.
Avant qu’un modèle n’apprenne, ses hyperparamètres définissent déjà une part décisive de sa trajectoire. Taux d’apprentissage, taille des lots, nombre de couches ou dropout : comprendre leur rôle et les tester avec méthode aide à gagner en précision, sans confondre bonne performance sur les données connues et réelle capacité de généralisation.
Les données scientifiques et professionnelles se présentent souvent sous forme de petits tableaux incomplets ou bruités. TabPFN, un modèle conçu à l’Université de Fribourg, promet d’en tirer des prédictions plus rapides et plus précises, sans devoir entraîner un nouvel algorithme pour chaque jeu de données.
Le logiciel est une part essentielle de notre patrimoine technique, mais il reste fragile face aux fermetures de plateformes et à l’obsolescence. Lancée par l’Inria, Software Heritage veut l’archiver à grande échelle. Scikit-learn illustre, de son côté, comment le code ouvert peut mettre l’apprentissage automatique à la portée de tous.
