Introduction à l’IA et au Machine Learning
Apprendre à une machine à prédire — avec Python, et sans se noyer.
Inès adore la tech et entend parler d’« intelligence artificielle » partout. Mais une question la travaille : comment une machine « apprend »-elle ? Elle a un petit projet concret pour comprendre : à partir de la surface d’un appartement, prédire son loyer. Pas avec une formule qu’elle écrirait elle-même… mais en laissant l’ordinateur la découvrir à partir d’exemples.
C’est exactement ça, le Machine Learning. Et c’est plus accessible que vous ne le pensez.
IA et Machine Learning
L’intelligence artificielle (IA) regroupe toutes les techniques pour rendre une machine « intelligente ». Le Machine Learning (ML) en est la branche la plus utilisée : au lieu de programmer des règles, on montre des exemples à la machine, et elle apprend toute seule le motif qui s’y cache.
Tout le changement de regard tient dans ce contraste :
🧑💻 Programmation classique
VOUS écrivez la règle :
« loyer = surface × 1500 ».
Si la règle est fausse ou inconnue, vous êtes coincé.
🤖 Machine Learning
Vous montrez des EXEMPLES (surfaces + loyers réels), et la machine trouve la règle toute seule.
Comment une machine apprend
Tout le cours tourne autour de ce cycle en 4 temps — vous le reverrez à chaque étape :
📊
1. Données
Des exemples passés (surfaces + loyers connus).
🎓
2. Entraînement
La machine cherche le motif.
🧠
3. Modèle
La règle apprise, prête à servir.
🔮
4. Prédiction
Sur un cas nouveau, jamais vu.
Une fois entraîné, le modèle répond à la question d’Inès en un instant :
Le modèle n’a jamais vu cet appartement précis — mais il a appris le lien entre surface et loyer, et sait estimer.
Et avec Python ?
Bonne surprise : entraîner un premier modèle tient en quelques lignes. Ne cherchez pas à tout comprendre maintenant — on expliquera chaque mot :
from sklearn.linear_model import LinearRegression
modele = LinearRegression()
modele.fit(X, y) # la machine apprend
modele.predict([[50]]) # loyer d’un 50 m² ?
Votre progression
On part des idées, puis on met les mains dans le code, pas à pas :
L’idée du cours
Pas de mathématiques effrayantes ni de jargon inutile. Vous repartez avec une compréhension claire de ce qu’est le ML et la capacité de construire un premier modèle en Python. De quoi démystifier l’IA pour de bon.
Pour qui ?
Pour les débutants curieux de l’IA qui ont déjà quelques bases de Python (variables, fonctions, listes). Pas besoin d’être mathématicien ni développeur chevronné : si vous savez lire un petit script Python et que l’IA vous intrigue, vous êtes au bon endroit. On avance doucement, avec un exemple fil rouge du début à la fin.
🎯 À la fin de ce cours, vous saurez
- Expliquer ce que sont l’IA et le Machine Learning, simplement
- Distinguer les grands types d’apprentissage
- Entraîner un premier modèle en Python et l’utiliser pour prédire
- Reconnaître les limites et les pièges de l’IA
