Deep Learning : des usages contrastés Une contextualisation de l’ouvrage de Goodfellow, Bengio et Courville

Résumé

Cet article propose une revue critique de la traduction française de l’ouvrage Deep Learning, par Ian Goodfellow, Yoshua Bengio et Aaron Courville (Goodfellow et al., 2016 ; MIT Press), publiée sous le titre L’apprentissage profond (Éditions Florent Massot, 2018). Celle-ci est devenue célèbre pour avoir été la première traduction scientifique d’envergure coproduite par une intelligence artificielle. Alors que l’apprentissage profond connaît une évolution rapide, cet ouvrage et les idées qu’il véhicule restent profondément d’actualité. Nourrie par de nombreux retours d’expérience portant sur l’usage réel de l’apprentissage profond au sein des entreprises, la mise en perspective de ce corpus de méthodes et d’outils vis-à-vis d’approches plus traditionnelles s’articule autour de trois thématiques-clés : le traitement d’images, l’analyse de séries temporelles et le traitement automatisé du langage naturel. Deux enjeux cruciaux pour une adoption massive mais éclairée y sont également discutés, qui nous semblent contextualiser utilement les apports techniques de l’ouvrage : l’intelligibilité de l’apprentissage profond et l’optimisation énergétique des ressources de calcul.