🕸️ Le visualiseur de réseau de neurones
Ce mini-réseau doit décider : « Est-ce un chat ? » 🐱 Il reçoit 3 indices (les entrées), les fait passer à travers une couche de petits calculateurs (les neurones), et donne un verdict.
Chaque connexion a un poids : plus il est fort, plus le signal compte. Apprendre, c'est régler ces poids. À vous de jouer avec les curseurs !
🎛️ Les poids du réseau (l'importance de chaque indice)
🐱 Score « chat »
🐶 Score « pas chat »
🤔 Le réseau hésite…
💡 Défi : réglez les poids à la main pour que le réseau dise « CHAT » quand oreilles + moustaches sont à fond, et « PAS CHAT » dès qu'il y a de l'aboiement. Puis cliquez « Entraînement auto » : l'IA trouve le réglage toute seule — c'est exactement ça, apprendre. Astuce : un poids peut être négatif (l'indice joue CONTRE le chat).
⚠️ Les vraies IA font pareil… avec des milliards de curseurs, réglés automatiquement des millions de fois.
👩🏫 Le simulateur d'apprentissage supervisé
Entraînez votre propre IA à distinguer les animaux 🐾 des véhicules 🚗. Donnez-lui des exemples étiquetés, entraînez-la, puis testez-la sur des choses qu'elle n'a jamais vues.
1️⃣ Les données d'entraînement (avec étiquettes)
2️⃣ Le modèle
🤖En attente d'exemples… (0 exemple)
3️⃣ L'examen : des exemples JAMAIS vus
💡 Expérience à faire : ① entraînez avec seulement 4 exemples → testez (souvent moyen). ② Ajoutez jusqu'à 16-20 exemples → testez (bien meilleur : plus de données = meilleur apprentissage). ③ Cochez « données peu variées », réinitialisez et recommencez → le modèle rate les chiens et les avions : il n'a jamais rien vu de tel ! La diversité compte autant que la quantité.
📉 La démo overfitting : l'élève qui apprend par cœur
On entraîne une IA et on suit deux notes : sa réussite sur les exercices déjà vus (entraînement) et sur des exercices gardés secrets (test). Faites glisser le curseur du temps… et regardez les courbes se séparer.
Score sur l'ENTRAÎNEMENT (le connu)
Score sur le TEST (le jamais-vu)
🌱 L'entraînement n'a pas commencé. Cliquez sur ▶️ !
💡 La question à 1 million : à quel moment fallait-il ARRÊTER l'entraînement ? Cherchez le sommet de la courbe orange — les pros appellent ça l'arrêt anticipé. Après ce point, l'IA n'apprend plus : elle récite.
🧠 Traduction humaine : l'élève qui refait 50 fois les mêmes exercices finit par connaître les réponses par cœur (courbe verte au sommet)… et échoue au contrôle avec des exercices nouveaux (courbe orange qui plonge).