
Comment fonctionne un réseau de neurones
Comprendre et Maîtriser l’Intelligence ArtificielleBy Christian PELLEGEAYLength8h 53m
About this audiobook
ChatGPT vous impressionne. Mais savez-vous vraiment ce qui se passe derrière l'écran ?
L'intelligence artificielle n'est plus une promesse futuriste : elle est là, partout, maintenant. Elle lit vos radiographies, filtre vos spams, génère vos images et rédige vos textes. Pourtant, pour la grande majorité d'entre nous, son fonctionnement réel reste une boîte noire mystérieuse et intimidante.
Vous comprendrez pourquoi une machine "apprend" sans jamais vraiment comprendre, comment les Transformers ont révolutionné le traitement du langage, et ce qui se cache derrière les fameux poids synaptiques, la descente de gradient ou le mécanisme d'attention.
Ce livre pose les vraies questions : Quels biais nos algorithmes reproduisent-ils ? Quelle énergie consume cette révolution silencieuse ? Jusqu'où peuvent aller les réseaux de neurones ?
Que vous soyez un professionnel, un étudiant ou un simple curieux, ce livre vous donnera une vraie compréhension.
Audiobook details
GenreEducation and Learning, Technology
Length8 hrs 53 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateMay 18, 2026
LanguageFrench
Table of contents
1Introduction
2Dédicace
3Remerciements
4Avant-propos
5Introduction
Show all chaptersShow less
6Ce que vous allez découvrir
7Comment utiliser ce livre
8Citations inspirantes
9Partie 1 — Le Cerveau Artificiel : Anatomie d'une Révolution Silencieuse
10Chapitre 1 — Le neurone qui voulait penser : aux origines d'une idée folle
111. Le cerveau comme machine à calculer : l'intuition fondatrice
122. Le neurone biologique : ce que les chercheurs ont vraiment observé
133. Frank Rosenblatt et le Perceptron : la première machine qui "apprend"
144. Le premier hiver de l'IA : quand la réalité rattrape l'enthousiasme
155. La renaissance : du neurone isolé aux réseaux profonds
166. Ce que l'histoire nous apprend sur ce que nous faisons aujourd'hui
17Chapitre 2 — Copier le cerveau humain… sans vraiment le comprendre
18Section 1 — Le cerveau humain : une machine que la science n'a toujours pas percée
19Section 2 — Comment les pionniers ont tenté de "copier" ce qu'ils observaient
20Section 3 — Les ressemblances réelles : ce que la métaphore capture correctement
21Section 4 — Les différences abyssales : ce que la métaphore dissimule
22Section 5 — La "boîte noire" : un problème hérité du biologique
23Section 6 — Pourquoi cette imitation imparfaite reste une réussite extraordinaire
24Chapitre 3 — L'architecture secrète : comment les couches se parlent entre elles
251. Qu'est-ce qu'une architecture neuronale ? La métaphore de l'usine
262. La propagation vers l'avant : comment l'information voyage
273. La connectivité entre les couches : tous reliés, mais pas n'importe comment
284. Le flux de l'information : signaux, transformations et émergence
295. Architectures en pratique : des exemples qui révèlent les choix
306. L'architecture comme hypothèse sur le monde
31📌 Résumé du chapitre
32Chapitre 4 — Les poids synaptiques : la mémoire cachée de la machine
33Section 1 — Le poids : un nombre qui porte le monde
34Section 2 — Le biais : le poids que l'on oublie toujours de mentionner
35Section 3 — Comment les poids encodent la connaissance : la magie du nombre
36Section 4 — L'initialisation des poids : le premier pas dans l'inconnu
37Section 5 — Régularisation et pruning : domestiquer les poids pour qu'ils restent honnêtes
38Section 6 — Le transfer learning : recycler des poids appris au lieu de tout réinventer
39Chapitre 5 — Fonctions d'activation : le bouton ON/OFF qui change tout
401. Le problème de la linéarité : pourquoi un réseau sans activation ne peut rien apprendre
412. La sigmoïde : la pionnière imparfaite
423. ReLU : la révolution en une ligne
434. Softmax : transformer des scores en probabilités
445. La fonction tanh et la ménagerie des activations alternatives
456. Choisir sa fonction d'activation : guide pratique et erreurs à éviter
46Partie 2 — Apprendre Sans Comprendre : Le Paradoxe de l'Apprentissage Automatique
47Chapitre 6 — Qu'est-ce qu'apprendre pour une machine ? (Spoiler : ce n'est pas ce que vous croyez)
481. Désapprendre ce que vous croyez savoir sur l'apprentissage
492. La définition formelle : apprendre, c'est minimiser une erreur
503. Trois façons d'apprendre : supervisé, non supervisé, par renforcement