Deep learning

Le deep learning, ou apprentissage profond, est une branche du machine learning qui repose sur des réseaux de neurones artificiels organisés en couches successives. Le programme apprend directement à partir de données brutes (texte, pixels, son) sans qu’un humain ait à lui indiquer quoi regarder. Là où le machine learning classique demande à un expert de choisir les indicateurs pertinents, le deep learning les découvre lui-même, couche après couche.

C’est la technologie sous presque toutes les fonctionnalités « IA » apparues dans les logiciels depuis 2023 : les grands modèles de langage comme ChatGPT ou Claude, la reconnaissance d’images, la traduction automatique, la génération d’images et de code. Pour un dirigeant, le deep learning n’est pas un sujet de recherche mais un composant que l’on branche via une API, que l’on adapte ou, plus rarement, que l’on entraîne.

Comment fonctionne un réseau de neurones profond

Un neurone artificiel est une petite fonction de calcul. Il reçoit plusieurs nombres, multiplie chacun par un poids (une importance relative), additionne le tout et transmet le résultat. Seul, il ne sert à rien. Assemblés par milliers en couches successives, ces neurones deviennent capables de représenter des choses très complexes.

La première couche reçoit les données brutes : les pixels d’une image, les mots d’un texte, l’historique d’un client. Chaque couche suivante travaille sur la sortie de la précédente et repère des motifs de plus en plus abstraits. En reconnaissance d’images, les premières couches détectent des contours, les suivantes des formes simples, puis un œil ou une roue, et les dernières un visage ou une voiture entière.

Le mot « deep » désigne cette profondeur, c’est-à-dire le nombre de couches. Les modèles actuels en comptent des dizaines ou des centaines, et les plus grands LLM contiennent plusieurs centaines de milliards de paramètres, les poids ajustés pendant l’entraînement. C’est cette profondeur qui permet de capturer le sens d’une phrase ou le contenu d’une photo, hors de portée d’un algorithme plus simple.

Comment un modèle de deep learning apprend

L’entraînement est une boucle d’essais et de corrections. On présente au réseau un exemple (la photo d’un chat), il fait une prédiction (« chien »), on mesure l’erreur, puis on ajuste légèrement tous les poids dans la direction qui la réduit. Ce mécanisme s’appelle la rétropropagation. Répété des millions de fois, il aboutit à un modèle fiable sur des exemples qu’il n’a jamais vus.

Cette méthode exige deux ressources en grande quantité : des données et de la puissance de calcul. Les fondements mathématiques datent des années 1980. Ce qui a changé au début des années 2010, c’est la disponibilité de volumes de données considérables (big data) et la puissance des processeurs graphiques (GPU), capables d’effectuer des milliards de multiplications en parallèle. Les travaux fondateurs de John Hopfield et Geoffrey Hinton sur les réseaux de neurones ont reçu le prix Nobel de physique en 2024.

Les grandes architectures du deep learning

L’architecture, c’est-à-dire la façon dont les couches sont câblées, détermine le type de données qu’un modèle traite bien.

Les Transformers

Introduits en 2017, les Transformers sont l’architecture de tous les LLM actuels (GPT, Claude, Gemini, Mistral, Llama). Leur mécanisme d’attention pèse l’importance de chaque mot par rapport à tous les autres au lieu de lire le texte dans l’ordre, ce qui a fait basculer le traitement du langage naturel (NLP) et relégué les réseaux récurrents (RNN, LSTM) qui dominaient jusque-là. Ils se sont depuis étendus aux images, à l’audio et à la vidéo : les modèles multimodaux qui lisent une facture ou décrivent une photo sont des Transformers. AlphaFold, qui prédit la structure des protéines, repose sur le même mécanisme.

Les réseaux convolutifs (CNN)

Les CNN (Convolutional Neural Networks) ont été conçus pour les images. Ils appliquent des filtres successifs qui détectent des motifs visuels à différentes échelles. Ils restent la référence quand il faut analyser des images vite et à bas coût, sur une chaîne de production ou dans un appareil embarqué. Pour détecter des défauts sur des photos de produits, un CNN entraîné sur vos propres images est encore souvent le meilleur choix.

Les modèles de diffusion

Les modèles de diffusion (Stable Diffusion, Midjourney) génèrent des images et de la vidéo en apprenant à retirer progressivement du bruit jusqu’à obtenir un résultat cohérent avec une consigne textuelle. En entreprise, ils servent surtout à produire des visuels marketing, des variantes de produits ou des maquettes.

IA, machine learning, deep learning : qui contient quoi ?

Ces termes s’emboîtent. L’intelligence artificielle est le domaine général : tout programme qui imite une capacité humaine. Le machine learning en est la branche où le programme apprend à partir de données plutôt que de règles écrites à la main. Le deep learning est la sous-branche du machine learning qui utilise des réseaux de neurones profonds, et les LLM un cas particulier de deep learning appliqué au langage. Quand un fournisseur parle d’« IA » dans son produit, il s’agit presque toujours de deep learning, et le plus souvent d’un LLM accessible par API.

Ce que le deep learning permet concrètement dans un produit

Grâce aux modèles pré-entraînés et aux API, une PME ou une startup accède aux mêmes briques que les géants du numérique. Quatre familles d’usages reviennent dans les produits SaaS.

Comprendre le langage. Un chatbot IA qui répond à partir de la documentation du produit, le tri des tickets de support, l’analyse des avis clients, le résumé de documents. Le RAG (Retrieval-Augmented Generation) ancre les réponses du modèle dans les données de l’entreprise pour limiter les erreurs.

Voir. Lecture automatique de factures et de pièces d’identité, modération de contenu visuel, contrôle qualité, analyse de flux vidéo. Pour la plupart de ces cas, un LLM multimodal suffit désormais et remplace un modèle de vision dédié.

Prédire et recommander. Recommandation de produits, détection de fraude, prédiction du churn, tarification dynamique : les réseaux de neurones repèrent des régularités fines dans des volumes de données comportementales que personne ne pourrait analyser à la main.

Générer. Textes marketing, documentation, images, code. C’est l’usage le plus visible et celui qui a le plus changé le quotidien des équipes produit.

Nous avons trié ces usages selon leur rentabilité réelle dans notre guide intégrer l’IA dans un SaaS : 10 cas d’usage rentables.

Quand le deep learning est le mauvais choix

C’est probablement le point le plus utile de cette fiche. Sur des données tabulaires (un tableau de clients avec leur ancienneté, leur panier moyen, leur nombre de connexions), les algorithmes classiques comme le gradient boosting ou les forêts aléatoires sont en général plus précis, s’entraînent en quelques minutes et produisent des explications lisibles. Pour un scoring de leads, une prévision de chiffre d’affaires ou une prédiction de désabonnement, ils gagnent presque toujours.

Le deep learning prend l’avantage quand les données sont non structurées (texte, images, son, vidéo) et volumineuses. Un tableau de mille lignes n’a pas besoin d’un réseau de neurones. Des milliers de documents à comprendre ou des millions d’images à trier en ont besoin. Entre les deux, posez une seule question : une règle métier ou un modèle classique résout-il déjà 80 % du problème ? Si oui, commencez par là.

Utiliser le deep learning sans équipe de recherche

Quasiment aucune entreprise n’entraîne un grand modèle depuis zéro : cela coûte des dizaines de millions d’euros et mobilise des équipes que seuls quelques laboratoires possèdent. En pratique, on procède par paliers.

Le premier réflexe est d’appeler un modèle pré-entraîné via une API : envoyer du texte ou une image, recevoir une réponse. Quelques lignes de code, aucune infrastructure, une facture proportionnelle à l’usage. Cela couvre la majorité des besoins.

Quand le modèle générique bute sur le vocabulaire de votre métier, le fine-tuning l’adapte avec quelques centaines ou milliers d’exemples de votre domaine. C’est bien moins cher qu’un entraînement complet, et le bon compromis pour un vocabulaire juridique, médical ou technique.

Enfin, les agents IA combinent un LLM avec des outils : ils recherchent une information, appellent une API, déclenchent une action dans votre logiciel. Le modèle devient le moteur de décision d’un processus, et plus seulement un générateur de texte. Notre guide pour créer son agent IA détaille comment franchir ce palier.

Les limites à connaître

La faim de données. Un réseau entraîné sur trop peu d’exemples donne des résultats médiocres ou, pire, mémorise ses exemples sans savoir généraliser (le sur-apprentissage). Les modèles pré-entraînés contournent le problème, mais dès que vous affinez le vôtre, la qualité de vos données devient le facteur limitant.

Le coût. L’entraînement demande des GPU et parfois des semaines de calcul. L’inférence, c’est-à-dire l’utilisation du modèle en production, se paie aussi à chaque requête. Pour un produit qui envoie des milliers de requêtes par jour à un LLM, la facture devient une ligne budgétaire à part entière.

La boîte noire. Un modèle profond peut prédire correctement qu’un client va partir sans pouvoir dire pourquoi, ce qui rend la prédiction peu exploitable par une équipe commerciale. Pour les usages classés à haut risque par l’AI Act européen (crédit, recrutement, santé), l’explicabilité et la documentation des modèles deviennent des obligations légales.

Les biais. Le modèle reproduit les biais présents dans ses données d’entraînement, et les amplifie parfois. Un historique de recrutement déséquilibré produit un modèle de tri de CV déséquilibré, avec l’apparence de l’objectivité en plus.

FAQ deep learning

Quelle est la différence entre deep learning et machine learning ?

Le deep learning est un sous-ensemble du machine learning : la méthode qui utilise des réseaux de neurones à plusieurs couches. Elle excelle sur le texte, les images et le son, tandis que les autres méthodes de machine learning restent souvent meilleures sur des données tabulaires.

ChatGPT et Claude sont-ils du deep learning ?

Oui. Ce sont des grands modèles de langage, c’est-à-dire des réseaux de neurones de type Transformer entraînés sur d’énormes volumes de texte. Le deep learning est la technique, le LLM une famille de modèles construite avec cette technique, et ChatGPT un produit construit sur un LLM.

Faut-il des GPU et des data scientists pour utiliser le deep learning ?

Pas pour l’utiliser. Les modèles pré-entraînés s’appellent via une API sans aucune infrastructure. Les GPU et les compétences spécialisées deviennent nécessaires si vous voulez entraîner ou affiner votre propre modèle, ou l’héberger sur vos serveurs pour des raisons de confidentialité.

Comment Polara Studio intègre le deep learning

Chez Polara Studio, nous partons du problème métier, jamais de la technologie. Notre première question sur un projet « IA » est de savoir si une règle simple ou un modèle classique suffit. Quand le deep learning est justifié, nous privilégions les modèles pré-entraînés : API de LLM pour la compréhension et la génération de texte, pipelines de RAG pour ancrer les réponses dans les données du client, agents IA pour automatiser des processus complets.

Le fine-tuning n’intervient que lorsqu’un cas d’usage le justifie et que les données du client le permettent. Dans tous les cas, nous mesurons l’impact en production : coût par requête, taux d’erreur, temps gagné par les utilisateurs. Si l’impact ne se mesure pas, nous ne recommandons pas la fonctionnalité.