Définition | Réseau neuronal – Réseau de neurones artificiels – neural network

Anglais : neural network.

Ensemble de neurones formels interconnectés permettant la résolution de problèmes complexes tels que la reconnaissance des formes ou le traitement du langage naturel, grâce à l’ajustement des coefficients de pondération dans une phase d’apprentissage.

Fonctionnement du réseau neuronal

Comment fonctionnent les réseaux de neurones ? Un réseau neuronal s’inspire du fonctionnement des neurones biologiques et prend corps dans un ordinateur sous forme d’un algorithme. Le réseau neuronal peut se modifier lui-même en fonction des résultats de ses actions, ce qui permet l’apprentissage et la résolution de problèmes sans algorithme, donc sans programmation classique.

Un réseau neuronal en informatique, c’est quoi ? 

Le réseau neuronal se situe au croisement de l’informatique et de la biologie. Il est calqué sur le paradigme du cerveau humain dont il démultiplie la puissance, sans lui ressembler tout à fait puisqu’il est dépourvu d’émotions.

Un paradigme biologique 

Le réseau neuronal constitue une véritable révolution scientifique, née des progrès de l’intelligence artificielle. Il s’inspire du cerveau humain et son unité élémentaire est le neurone formel. Ce dernier est fabriqué sur le modèle du neurone biologique :

Les différentes entrées correspondent aux dendrites et sont associées à des coefficients numériques,
La sortie est pensée à l’instar du cône d’émergence, elle émet la valeur finale d’après la somme pondérée des entrées reçues.

Le neurone formel est rattaché à ses semblables sous la forme d’un réseau par le biais des synapses. Il forme un ensemble très efficace.

 Une métaphore biologique

Le réseau neuronal informatique fait partie des métaphores biologiques si nombreuses désormais en cybernétique. Il est au cerveau humain ce que l’aile d’un avion est à celle d’un oiseau. Il ne reproduit pas l’ensemble des fonctions biologiques de l’esprit et ignore notamment les cellules gliales.

Comment fonctionne un réseau neuronal ? 

Son fonctionnement est calqué sur celui du cerveau humain, bien qu’il soit exempt d’émotions. Le réseau de neurones profonds ou deep neural network imite donc le fonctionnement de nos propres neurones.

Des processeurs organisés par tiers 

Les processeurs de l’ordinateur fonctionnent par tiers :
•    le premier tiers reçoit des informations grâce à ses entrées brutes à l’instar des nerfs optiques des êtres humains ;
•    le second tiers reçoit les informations traitées par le précédent et le transmet au suivant ;
•    le dernier tiers fournit le résultat final. 

Un réseau qui apprend

Contrairement aux programmes ordinaires fabriqués pour réaliser une action donnée, le réseau de neurones se sert d’un algorithme pour apprendre des données nouvelles à partir d’exemples préalablement enregistrés et qu’il analyse rigoureusement. Il s’agit là d’un véritable mode d’apprentissage par l’expérience. 

Il est doté de surcroît de capacités de généralisation et de classification qui lui permettent notamment de réaliser des opérations statistiques très élaborées. Il existe trois formes d’apprentissage :

l’apprentissage supervisé où l’algorithme s’entraîne sur des données étiquetées ;
l’apprentissage non supervisé où les données ne sont pas étiquetées ;
l’apprentissage renforcé où l’algorithme distingue ses succès de ses erreurs.

À quoi sert un réseau neuronal informatique ? 

Un réseau neuronal peut accomplir très efficacement tout ce dont la théorie des jeux a élaboré. On peut citer quelques exemples des hautes capacités d’une telle invention : 

Réaliser un profil de client 

Le réseau peut élaborer un buying persona en fonction de l’âge des clients, de leurs revenus, du nombre d’enfants à charge, de leur patrimoine, etc. L’appareil apprend ainsi à sélectionner les clients.

Les banques ont déjà appris à s’en servir pour déterminer si elles sont en mesure d’accorder des prêts. L’analyse automatisée des nombreuses informations récoltées permet entre autres d’écourter les délais d’acceptation ou encore de détecter les fraudes. La technologie devient aussi un outil marketing puisque obtenir des prévisions sur les clients est un bon moyen de proposer un service individualisé. En se basant sur la probabilité qu’un client quitte un établissement financier par exemple, la banque peut suggérer des offres commerciales plus adaptées et renforcer sa relation client.

Les prévisions 

Sans qu’il soit encore besoin de parler de véritables prédictions, le réseau neuronal peut déjà améliorer toutes sortes de prévisions, qu’elles soient météorologiques et maritimes, économiques et financières, démographiques, sociologiques, militaires, etc. Elles sont en mesure de transformer radicalement les sciences humaines.

Les analyses médicales 

Le réseau neuronal est capable de détecter des cancers en s’appuyant sur les imageries médicales. Il fait vraisemblablement partie d’une nouvelle révolution industrielle. 

Aide au diagnostic, pronostic et suivi du processus de soin… Les réseaux de neurones promettent de grandes possibilités dans ce secteur dans les années à venir. Pour la détection du cancer du sein chez les femmes par exemple, les algorithmes de prédiction donnent l’opportunité de déceler les zones tumorales les plus à risque et d’en définir le stade en se reposant sur une grande base de données.

Traiter et classifier des textes

Les réseaux de neurones permettent également d’étudier un corpus de textes. L’idée ici est de rassembler les mots d’un même texte qui ont un sens commun et de les analyser selon les termes qui les précèdent. Ce type d’algorithmes définit ainsi des caractéristiques communes, extrait les données les plus pertinentes et offre la possibilité de trier l’immensité d’informations à notre disposition. Notre explication est très schématisée mais c’est en quelque sorte sur ce type d’analyse de pertinence que reposent les moteurs de recherche comme Google ou Bing que nous utilisons au quotidien.

Reconnaissance visuelle

Autre application de ces imitations artificielles des neurones : la reconnaissance des objets ou des visages en surpassant les capacités des Hommes. En analysant des visuels récurrents et à un volume considérablement plus important, l’ordinateur apprend à différencier les éléments visuels présents et si besoin à classer ces images. Cette technologie est également utilisée pour retranscrire sur écran des notes manuscrites.