Apprentissage profond

Ce que l’apprentissage profond ne résout pas

Apprentissage profond

Apprentissage profond

Chapitre 11 : Ce que l’apprentissage profond ne résout pas

Auteur·rice
Affiliation

Jaouad Madkour

Faculté d’Économie et de Gestion de Tanger

Date de publication

25 septembre 2026

Les données d’abord

La contrainte qui domine tout

Le rapport paramètres / observations

Un réseau apprend ses représentations. C’est son avantage sur les méthodes qui exigent des variables construites à la main — et cela coûte beaucoup d’observations.

Contexte Observations Verdict
Vision, texte millions l’apprentissage profond domine
Tabulaire, quelques milliers de lignes milliers le boosting domine
Série financière quotidienne quelques milliers modèles économétriques compétitifs

Le constat, dit franchement

Application en gestion

Sur données tabulaires, le boosting de gradient du chapitre 9 d’Apprentissage statistique bat régulièrement les réseaux de neurones.

Les raisons tenues pour principales : variables hétérogènes gérées nativement, aucune normalisation requise, interactions captées sans architecture à concevoir, et robustesse aux réglages approximatifs.

Ce cours ne conclut donc pas à la supériorité des réseaux. Il délimite le domaine où ils apportent quelque chose — et ce domaine n’est pas celui de la plupart des données d’un économiste.

Trois limites de fond

L’absence de causalité

Ce qu’un réseau apprend

Des associations entre entrées et sortie, dans la distribution qui a produit les données d’apprentissage.

Rien de plus. Aucune architecture, aucune profondeur ne transforme une association en effet.

La conséquence pratique

Un réseau ne dit pas ce qui se passerait si l’on intervenait. Il ne prévoit correctement que tant que la distribution reste la même.

Un modèle de crédit entraîné avant un changement de politique d’octroi devient faux après, non parce qu’il a mal appris, mais parce que le monde qu’il a appris n’existe plus.

C’est la critique de Lucas, formulée en apprentissage automatique.

La fragilité

Trois formes
  1. Décalage de distribution — les performances s’effondrent hors du domaine d’entraînement.
  2. Exemples adverses — une perturbation imperceptible change la prédiction.
  3. Confiance mal calibrée — le réseau se trompe avec assurance.
La calibration, souvent oubliée

Un réseau qui annonce 0{,}9 de probabilité se trompe plus souvent que dans un cas sur dix : il est sur-confiant.

En crédit ou en assurance, une probabilité mal calibrée est un problème sérieux : elle fausse tous les calculs de provisionnement en aval. Des méthodes de recalibration existent — elles doivent être appliquées avant tout usage décisionnel.

L’opacité

Ce qui reste possible

Les méthodes du chapitre 11 d’Apprentissage statistique — importance par permutation, Shapley — s’appliquent aux réseaux.

Elles expliquent le modèle, jamais le monde. Et un modèle à millions de paramètres reste, dans son fonctionnement, hors de portée d’une explication complète.

Quand cela devient rédhibitoire

Un refus de crédit doit être motivé auprès du client et du superviseur. Un modèle non explicable peut être inutilisable, quelle que soit sa performance.

C’est une contrainte réglementaire, non technique, et elle explique la persistance des scores logistiques dans les banques.

Comment choisir

Une règle de décision

Le tableau à retenir
Situation Méthode
Tabulaire, milliers de lignes Boosting
Image, texte, son Réseaux profonds
Série unique, quotidienne ARMA, GARCH
Beaucoup de séries, haute fréquence Réseaux
Décision à motiver Modèle linéaire ou arbre
Question causale Ni l’un ni l’autre — voir Inférence causale
La démarche saine
  1. Commencer par une référence simple.
  2. Passer au boosting si le tabulaire domine.
  3. N’aller aux réseaux que si la nature des données ou leur volume le justifient.
  4. À chaque étape, vérifier que le gain paie sa complexité.

Cette progression n’est pas de la timidité : c’est ce qui permet de savoir d’où vient un gain quand il apparaît.

Bilan du cours

Le parcours

Ce que vous savez faire
Chapitres Compétence
1–2 Comprendre un neurone, compter les paramètres
3–5 Choisir perte et activation, entraîner, diagnostiquer un gradient
6–7 Régulariser, initialiser, normaliser
8–10 Convolutif, récurrent, attention
11–12 Appliquer aux séries, et savoir quand ne pas le faire

Le fil rouge chiffré

Exemple
Chapitre Élément Valeur
2 Paramètres du réseau 20–32–16–1 1\,217
3 Dérivée maximale de la sigmoïde 0{,}25
3 Gradient après 10 couches 9{,}5 \times 10^{-7}
4 Descente sur w^2 : \eta = 0{,}1 / \eta = 1{,}1 converge / diverge
8 Couche dense contre convolution 1\,000\,100 contre \mathbf{320}

Ce qu’il faut conserver

Intuition

Les architectures changeront. Trois choses resteront :

  1. Un réseau est une composition de modèles linéaires et de non-linéarités, entraînée par descente de gradient. Tout le reste en découle.
  2. Le volume de données commande le choix de méthode, davantage que la nature du problème.
  3. Prévoir n’est pas expliquer, et aucune architecture ne comblera cet écart.

Le troisième point est celui que le cours suivant prend en charge.

← Chapitre précédentPrévision de séries financières par réseaux

Ressources du chapitre