Le deep learning est devenu ces dernières années un buzzword dans les milieux de l’informatique. Le terme de deep learning désigne un ensemble de techniques spécifiques. Ses succès s’inscrivent dans la continuité d’une histoire longue, jalonnée de percées, de déceptions et de traversées du désert. Ils reposent moins sur de nouveaux paradigmes révolutionnaires que sur une application minutieuse de techniques d’ingénierie fine, et sur la puissance de calcul des ordinateurs et les nouvelles façons d’exploiter celle-ci.
Le deep learning désigne un ensemble de méthodes d’apprentissage automatique à caractère non supervisé, c’est-à-dire ne faisant pas appel à des connaissances spécifiques à un problème.
Celles-ci ont amené des progrès fulgurants, en particulier dans les domaines de la reconnaissance d’image, de la reconnaissance vocale et du traitement automatisé du langage, et ont motivé de nombreux investissements privés, universitaires et publics.
Les applications directes ou indirectes sont en effet particulièrement prometteuses : au-delà de leur intérêt immédiat pour l’activité des GAFA (Google, Apple, Facebook, Amazon), elles concernent aussi bien les domaines de la santé et de la sécurité que celui de la robotique. À moyen terme, elles permettent d’envisager des reconfigurations considérables des processus industriels et de la structure même des entreprises. Si le potentiel de nouvelles ruptures technologiques
dans ce domaine parvenu à une certaine maturité paraît incertain, ses spécifications autant que ses couplages avec d’autres technologies sont pour leur part nombreux et croissants.
