Imaginez confier à quelqu'un une caisse de milliers de photos jamais triées, sans aucune légende, et lui demander simplement de regrouper celles qui se ressemblent. C'est exactement le pari de l'apprentissage non supervisé : découvrir seul la structure cachée d'un jeu de données qui ne comporte aucune étiquette. Contrairement à l'apprentissage supervisé, il n'y a pas de « bonne réponse » à imiter — l'algorithme cherche des régularités par lui-même.
Le principe
Le modèle reçoit uniquement des entrées $x_1, x_2, \dots, x_n$, sans cible $y$ associée. Son objectif est de modéliser la distribution sous-jacente des données ou d'en révéler la géométrie. Deux grandes familles dominent :
- le clustering (regroupement) : partitionner les données en groupes homogènes ;
- la réduction de dimension : compresser l'information en conservant l'essentiel.
Le partitionnement en k-moyennes (k-means), par exemple, minimise la distance intra-groupe :
$$ J = \sum_{i=1}^{k} \sum_{x \in C_i} \lVert x - \mu_i \rVert^2 $$
où $\mu_i$ est le centre du groupe $C_i$.
Usages concrets
| Tâche | Méthode typique |
|---|---|
| Segmentation de clientèle | k-means, clustering hiérarchique |
| Détection d'anomalies (fraude) | autoencodeurs, isolation forest |
| Compression / visualisation | PCA, t-SNE, UMAP |
| Systèmes de recommandation | factorisation matricielle |
L'apprentissage non supervisé est aussi le moteur du pré-entraînement des grands modèles de langage, qui apprennent la structure du langage à partir de textes bruts non annotés.
Forces et limites
Son atout majeur : il exploite les données non étiquetées, infiniment plus abondantes et moins coûteuses. Sa difficulté : sans vérité de référence, évaluer la qualité des résultats reste délicat et souvent subjectif.
Là où l'apprentissage supervisé répond à une question, l'apprentissage non supervisé en révèle de nouvelles.