Apprentissage par transfert

TThéa

L’apprentissage par transfert, c’est réutiliser ce qu’un modèle d’intelligence artificielle a appris sur une tâche pour l’aider à en accomplir une autre, proche mais différente. Imaginez quelqu’un qui reconnaît des animaux en photo : distinguer ensuite des races de chiens lui est plus facile, car certaines formes lui sont familières. Le modèle conserve des représentations utiles, puis les ajuste avec de nouveaux exemples pour le nouvel objectif, au lieu de repartir de zéro. Cette méthode économise parfois des données et du calcul, surtout quand les exemples spécialisés sont rares, et aide à créer des outils adaptés à des besoins précis. Mais le transfert n’est pas garanti : des tâches trop éloignées peuvent rendre les acquis inutiles, voire nuire aux résultats, qui doivent donc être vérifiés dans le nouvel usage.