Glossaire français – anglais · Apprentissage automatique

L'apprentissage automatique se pratique en anglais. Les articles fondateurs, les manuels de référence, la documentation de scikit-learn et de PyTorch, les noms des fonctions (fit, predict, cross_val_score, StandardScaler) et les offres d'emploi emploient le vocabulaire anglais, souvent sous forme de sigles: SGD, SVM, CNN, AUC. Ce cours écrit en français, mais il donne le terme anglais en italique à la première apparition de chaque notion; ce glossaire les rassemble.

Les termes sont classés par ordre alphabétique du terme français, tel que les chapitres l'emploient. Pour chacun, la colonne «English» donne l'équivalent de la littérature, la définition le résume en une ligne et la dernière colonne indique le chapitre où il est introduit (deux numéros lorsqu'il est défini une seconde fois, ou dans un sens plus précis, plus loin). Les sigles sont regroupés dans un second tableau, et la dernière section signale les faux amis et les mots qui changent de sens d'un chapitre à l'autre.

Table des termes

A

Français	English	Définition	Chap.
abandon	dropout	Mise à zéro aléatoire d'unités pendant l'entraînement, avec remise à l'échelle par $1/ (1 - p)$ .	ch. 11
ACP à noyau	kernel PCA	ACP menée dans l'espace des caractéristiques d'un noyau, pour suivre des structures non linéaires.	ch. 13
AdaBoost	AdaBoost (adaptive boosting)	Boosting de souches qui repondère les exemples mal classés à chaque tour.	ch. 8
Adam	Adam (adaptive moment estimation)	Méthode adaptative: moment et pas propre à chaque paramètre.	ch. 3, 11
affectation (étape d')	assignment step	Étape des $K$ -moyennes qui affecte chaque point au centre le plus proche.	ch. 12
affectation souple	soft assignment	Affectation d'un point à chaque groupe avec une probabilité, la responsabilité.	ch. 12
aire sous la courbe ROC (AUC)	area under the curve (AUC)	Probabilité qu'un positif reçoive un score plus élevé qu'un négatif.	ch. 5
ajuster finement	fine-tune	Poursuivre l'entraînement d'un réseau préentraîné sur la tâche visée.	ch. 11
algorithme de Lloyd	Lloyd's algorithm	Alternance affectation – mise à jour qui fait décroître l'inertie des $K$ -moyennes.

B

Français	English	Définition	Chap.
bagging	bagging (bootstrap aggregating)	Moyenne ou vote de modèles entraînés sur des échantillons bootstrap.	ch. 8
barycentre	centroid	Moyenne des points d'un groupe.	ch. 12
biais (d'une méthode)	bias	Écart entre la prédiction moyenne sur les jeux d'entraînement possibles et la vérité.	ch. 6
biais de variable omise	omitted variable bias	Coefficient faussé par une caractéristique corrélée absente du modèle.	ch. 2
boosting	boosting	Construction d'un modèle par ajout successif de modèles simples, chacun corrigeant les précédents.	ch. 8

C

Français	English	Définition	Chap.
calibré	calibrated	Se dit de scores qui, parmi les cas notés 0,8, donnent bien 80 % de positifs.	ch. 4, 5
canal	channel	Une des valeurs portées par chaque pixel (rouge, vert, bleu).	ch. 11
capacité	capacity	Richesse des fonctions qu'une classe d'hypothèses peut représenter.	ch. 6
caractéristique	feature	Une des coordonnées $x_{ij}$ qui décrivent un exemple.	ch. 1
caractéristiques transformées	basis functions, feature map	Nouvelles caractéristiques $ϕ (x)$ , par exemple des puissances, d'un modèle linéaire.	ch. 2
carte de caractéristiques	feature map	Tableau produit par la convolution d'une image par un filtre.	ch. 11
cellule de Voronoi	Voronoi cell	Région des points plus proches d'un exemple donné que de tous les autres.	ch. 7
chaîne de traitement	pipeline	Suite d'étapes (standardisation, modèle) ajustée et appliquée comme un seul modèle.	ch. 3, 5
champ récepteur	receptive field	Région de l'image d'entrée dont dépend une unité donnée.	ch. 11
classe d'hypothèses

D

Français	English	Définition	Chap.
décomposition biais–variance	bias–variance decomposition	Erreur attendue = bruit + biais² + variance.	ch. 6
décomposition en valeurs singulières (SVD)	singular value decomposition (SVD)	Factorisation $X = U Σ V^{⊤}$ qui donne l'ACP sans former la covariance.	ch. 13
démarrage à froid	cold start	Absence de données sur un nouvel utilisateur ou un nouvel objet.	ch. 13
dendrogramme	dendrogram	Arbre des fusions d'un partitionnement hiérarchique, avec leurs hauteurs.	ch. 12
dérive	distribution shift, drift	Changement de la loi des données entre entraînement et utilisation.	ch. 1
descente de gradient	gradient descent	Itération $θ \leftarrow θ - η \nabla J (θ)$ .

E

Français	English	Définition	Chap.
échantillon bootstrap	bootstrap sample	Tirage de $n$ exemples avec remise parmi les $n$ disponibles.	ch. 8
effet de chaîne	chaining	Défaut du lien simple, qui fusionne des groupes reliés par une suite de points.	ch. 12
effondrement de modes	mode collapse	Échec d'un GAN qui ne produit qu'une petite variété d'exemples.	ch. 11
élagage	pruning	Suppression de branches d'un arbre entièrement poussé.	ch. 8
élagage coût–complexité	cost-complexity pruning, weakest-link pruning	Élagage qui minimise l'erreur plus $α$ fois le nombre de feuilles.	ch. 8
encodage positionnel	positional encoding	Vecteur ajouté à chaque jeton pour indiquer sa position.	ch. 11
ensemble d'entraînement	training set	Exemples sur lesquels le modèle est ajusté.	ch. 1
ensemble de test	test set	Exemples mis de côté, consultés une seule fois pour mesurer le modèle final.	ch. 1
ensemble de validation	validation set	Exemples réservés au choix des hyperparamètres.	ch. 5
entraînement adverse	adversarial training	Entraînement sur des exemples adverses fabriqués au fil de l'apprentissage.	ch. 11
entraîner	to train	Choisir les paramètres d'un modèle à partir des données.	ch. 1
entropie	entropy	Impureté d'un nœud.

F

Français	English	Définition	Chap.
facteur de rétrécissement	shrinkage factor	Facteur dans $(0, 1)$ par lequel la ridge multiplie une pente des moindres carrés.	ch. 6
factorisation de rang faible	low-rank matrix factorization	Approximation d'une matrice de notes par un produit $P Q^{⊤}$ à $k$ colonnes.	ch. 13
faux négatif	false negative	Positif réel prédit négatif.	ch. 5
faux positif	false positive	Négatif réel prédit positif.	ch. 5
feuille	leaf	Nœud terminal d'un arbre, qui porte la prédiction.	ch. 8
fonction convexe	convex function	Fonction dont tout minimum local est global.	ch. 3
fonction d'activation	activation function	Fonction non linéaire appliquée à la pré-activation d'une unité.	ch. 10
fonction de perte	loss function	Coût $ℓ (\overset{y}{^}, y)$ d'une prédiction quand la vérité est .

G

Français	English	Définition	Chap.
gain d'information	information gain	Baisse de l'entropie obtenue par une coupure.	ch. 8
générateur	generator	Réseau d'un GAN qui transforme du bruit en exemples.	ch. 11
gradient boosting	gradient boosting	Boosting où chaque arbre est ajusté au gradient négatif de la perte.	ch. 8
grand modèle de langage (LLM)	large language model (LLM)	Transformeur très grand, entraîné à prédire le jeton suivant.	ch. 11
groupe	cluster	Sous-ensemble de points produit par un partitionnement.	ch. 1, 12

H

Français	English	Définition	Chap.
hachage sensible à la localité	locality-sensitive hashing (LSH)	Hachage qui envoie des points proches dans la même case, pour des voisins approchés.	ch. 7
hallucination	hallucination	Affirmation fausse mais plausible produite par un modèle de langage.	ch. 11
hétéroscédasticité	heteroscedasticity	Variance du bruit qui change d'un exemple à l'autre.	ch. 2
hors sac	out-of-bag (OOB)	Se dit d'un exemple absent d'un échantillon bootstrap.	ch. 8
hyperparamètre	hyperparameter	Réglage fixé avant l'entraînement ( $k$ , $λ$ , profondeur), non appris.	ch. 1

I

Français	English	Définition	Chap.
importance par diminution d'impureté	mean decrease in impurity (MDI)	Somme des gains d'impureté des coupures sur une caractéristique.	ch. 8
importance par permutation	permutation importance	Hausse de l'erreur quand on permute au hasard une caractéristique.	ch. 8
impureté de Gini	Gini impurity	Impureté $1 - \sum_{k} p_{k}^{2}$ d'un nœud.	ch. 8
indépendants et identiquement distribués	independent and identically distributed (i.i.d.)	Exemples tirés indépendamment d'une même loi.	ch. 1
indicateur (vecteur)	one-hot encoding	Codage d'une modalité par un vecteur dont une seule coordonnée vaut 1.	ch. 1

J

Français	English	Définition	Chap.
jeton	token	Unité de texte (mot ou morceau de mot) traitée par un modèle de langage.	ch. 11
jeu de données	dataset	Ensemble des $n$ exemples disponibles.	ch. 1

K

Français	English	Définition	Chap.
$k$ plus proches voisins ( $k$ -PPV)	k-nearest neighbours (k-NN)	Prédiction par vote ou moyenne des $k$ exemples les plus proches.	ch. 7
$K$ -médoïdes	k-medoids	Variante des $K$ -moyennes dont les centres sont des points du jeu.	ch. 12
$K$ -moyennes	k-means	Partition en $K$ groupes qui minimise l'inertie.	ch. 12

L

Français	English	Définition	Chap.
lasso	lasso (least absolute shrinkage and selection operator)	Moindres carrés pénalisés par $λ ∥ w ∥_{1}$ ; annule des coefficients.	ch. 6
lien	linkage	Distance entre deux groupes dans le partitionnement hiérarchique.	ch. 12
lien complet	complete linkage	Distance entre les deux points les plus éloignés des deux groupes.	ch. 12
lien moyen	average linkage	Moyenne des distances entre les points des deux groupes.	ch. 12
lien simple	single linkage	Distance entre les deux points les plus proches des deux groupes.	ch. 12
log-cote	log-odds, logit	Logarithme de la cote; affine en $x$ en régression logistique.	ch. 4

M

Français	English	Définition	Chap.
machine à vecteurs de support (SVM)	support vector machine (SVM)	Classifieur linéaire de marge maximale, éventuellement à noyau.	ch. 9
malédiction de la dimension	curse of dimensionality	En grande dimension, tous les points deviennent presque équidistants.	ch. 7
marge (d'une image)	padding	Bordure de zéros ajoutée autour d'une image avant la convolution.	ch. 11
marge géométrique	geometric margin	Distance du point le plus proche à l'hyperplan séparateur.	ch. 9
matrice de confusion	confusion matrix	Tableau des effectifs croisant classe réelle et classe prédite.	ch. 5
matrice de conception	design matrix	Matrice $\tilde{X}$ des caractéristiques, précédée d'une colonne de uns.	ch. 2
matrice de covariance empirique	sample covariance matrix	$S = X_{c}^{⊤} X_{c} / n$ pour la matrice centrée .

N

Français	English	Définition	Chap.
neurone formel (neurone artificiel)	artificial neuron	Unité qui calcule $g (w^{⊤} x + b)$ .	ch. 10
normalisation de couche	layer normalization	Centrage et réduction des activations d'un exemple sur ses coordonnées.	ch. 11
normalisation par lots	batch normalization	Centrage et réduction de chaque activation sur le mini-lot.	ch. 11
noyau	kernel	Fonction $k (x, x^{'})$ égale à un produit scalaire dans un espace des caractéristiques.	ch. 9
noyau (d'une convolution), filtre	kernel, filter	Petit tableau de poids glissé sur l'image.	ch. 11
noyau gaussien

O

Français	English	Définition	Chap.
ordonnée à l'origine	intercept, bias term	Paramètre constant $w_{0}$ d'un modèle linéaire.	ch. 2
ou exclusif (XOR)	exclusive or (XOR)	Fonction booléenne non linéairement séparable, résolue par une couche cachée.	ch. 10

P

Français	English	Définition	Chap.
paramètres	parameters	Nombres que l'entraînement ajuste, comme les poids.	ch. 1
partage des poids	weight sharing	Même filtre appliqué à toutes les positions d'une image.	ch. 11
part de variance expliquée	explained variance ratio	$λ_{j} / tr S$ : part de la variance totale portée par une composante.	ch. 13
partitionnement	clustering	Découpage d'un jeu non étiqueté en groupes de points semblables.	ch. 12
partitionnement hiérarchique ascendant	agglomerative hierarchical clustering	Fusion répétée des deux groupes les plus proches.	ch. 12
pas (d'une convolution)	stride	Décalage du noyau entre deux positions calculées.	ch. 11
pas d'apprentissage	learning rate, step size	Facteur $η$ qui multiplie le gradient à chaque pas.	ch. 3
patience	patience	Nombre d'époques sans progrès toléré avant l'arrêt précoce.	ch. 6
pénalité sur les poids	weight decay

R

Français	English	Définition	Chap.
racine de l'erreur quadratique moyenne (RMSE)	root mean squared error (RMSE)	Racine de l'erreur quadratique moyenne, dans l'unité de la cible.	ch. 1, 5
rappel (sensibilité)	recall, sensitivity	Proportion de positifs réels détectés.	ch. 5
réduction de dimension	dimensionality reduction	Représentation des données par moins de coordonnées.	ch. 13
réduction de variance	variance reduction	Critère de coupure d'un arbre de régression.	ch. 8
règle d'apprentissage du perceptron	perceptron learning rule	Correction $θ \leftarrow θ + η (y_{i} - \overset{y}{^}_{i}) \tilde{x}_{i}$ , non nulle sur les seules erreurs.

S

Français	English	Définition	Chap.
score (d'une projection)	score	Coordonnée $v^{⊤} x$ d'un point centré sur une direction.	ch. 13
score F1	F1 score	Moyenne harmonique de la précision et du rappel.	ch. 5
séparateur à marge maximale	maximum-margin separator, hard-margin SVM	Hyperplan séparateur le plus éloigné des deux classes.	ch. 9
seuil	threshold	Valeur du score à partir de laquelle on prédit la classe positive.	ch. 5
seuillage doux	soft thresholding	Retranche une quantité fixe à $∣ c_{j} ∣$ et s'arrête à zéro: la mise à jour du lasso.	ch. 6
similarité cosinus	cosine similarity	Cosinus de l'angle entre deux vecteurs.	ch. 13
softmax	softmax	Transformation de $K$ scores en probabilités .

T

Français	English	Définition	Chap.
tangente hyperbolique	hyperbolic tangent (tanh)	Activation à valeurs dans $(- 1, 1)$ , centrée en 0.	ch. 10
taux d'apprentissage (boosting)	learning rate, shrinkage	Facteur $ν$ qui réduit la contribution de chaque arbre.	ch. 8
taux de base	base rate	Proportion de positifs dans la population, ou prévalence.	ch. 5
taux d'erreur	error rate	Proportion d'exemples mal classés: risque empirique de la perte 0–1.	ch. 1
taux de faux positifs	false positive rate (FPR)	Proportion de négatifs réels prédits positifs.	ch. 5
taux de vrais positifs	true positive rate (TPR)	Synonyme du rappel.	ch. 5
température	temperature	Paramètre qui aplatit ou accentue la loi de tirage du jeton suivant.	ch. 11
tenseur	tensor	Tableau de nombres à plusieurs indices (canal, ligne, colonne).	ch. 11
théorème d'approximation universelle	universal approximation theorem	Une couche cachée assez large approche toute fonction continue sur un compact.	ch. 10
théorème du représentant	representer theorem	La solution régularisée est une combinaison des $k (x_{i}, \cdot)$ .

U

Français	English	Définition	Chap.
un contre tous	one-vs-rest (OvR)	Un classifieur binaire par classe contre toutes les autres.	ch. 4
unité morte	dead unit, dying ReLU	Unité ReLU dont la pré-activation est négative pour tous les exemples.	ch. 10

V

Français	English	Définition	Chap.
validation croisée	cross-validation	Estimation de l'erreur en faisant tourner la partie mise de côté.	ch. 1, 5
validation croisée à $k$ plis	k-fold cross-validation	$k$ entraînements, chacun mesuré sur le pli laissé de côté.	ch. 5
validation croisée imbriquée	nested cross-validation	Validation croisée interne pour régler, externe pour mesurer.	ch. 5
validation croisée par groupes	group k-fold	Plis qui ne séparent jamais les exemples d'un même groupe.	ch. 5
validation croisée stratifiée	stratified cross-validation	Plis qui gardent les proportions des classes.	ch. 5
validation croisée par exclusion	leave-one-out cross-validation (LOO)	Validation croisée à $n$ plis d'un exemple chacun.	ch. 5, 7
valeur (attention)	value	Vecteur qu'une position transmet, pondéré par les poids d'attention.	ch. 11
valeurs ajustées	fitted values	Prédictions $\hat{y}$ du modèle sur les exemples d'entraînement.

Sigles et abréviations

Les sigles du domaine sont presque tous anglais, et les chapitres les emploient tels quels; seuls ACP et PPV ont une forme française d'usage courant.

Sigle	Développement	Terme du cours	Chap.
ACP / PCA	principal component analysis	analyse en composantes principales	ch. 13
ALS	alternating least squares	moindres carrés alternés	ch. 13
AUC	area under the (ROC) curve	aire sous la courbe ROC	ch. 5
BIC	Bayesian information criterion	critère d'information bayésien	ch. 12
CNN	convolutional neural network	réseau convolutif	ch. 11
EM	expectation–maximization	algorithme EM	ch. 12
MSE	mean squared error	erreur quadratique moyenne	ch. 1
ERM	empirical risk minimization	minimisation du risque empirique	ch. 1
FGSM	fast gradient sign method	méthode du signe du gradient	ch. 11
FPR	false positive rate	taux de faux positifs	ch. 5
GAN	generative adversarial network	réseau antagoniste génératif	ch. 11
GMM	Gaussian mixture model	mélange gaussien	ch. 12
i.i.d.	independent and identically distributed	indépendants et identiquement distribués	ch. 1
IRLS	iteratively reweighted least squares	moindres carrés itérativement repondérés	ch. 4
KKT	Karush–Kuhn–Tucker	conditions de Karush–Kuhn–Tucker	ch. 9
$k$ -PPV / k-NN	k-nearest neighbours	$k$ plus proches voisins

Faux amis et mots à plusieurs sens

Précision n'est pas accuracy. La precision anglaise est la proportion de vrais positifs parmi les prédits positifs (chapitre 5); la proportion d'exemples bien classés est l'accuracy, que ce cours appelle exactitude. Une traduction automatique qui rend accuracy par «précision» rend un article sur les classes déséquilibrées incompréhensible.
Biais a trois sens. Le biais d'une méthode (bias, chapitre 6) est une erreur systématique; le biais d'un neurone (bias, chapitre 10) est l'ordonnée à l'origine $b$ (intercept, bias term); le biais dans les données (sampling bias) est un défaut de l'échantillon. Le chapitre 6 les distingue explicitement.
Noyau traduit le même mot anglais kernel dans deux sens sans rapport: la fonction de similarité de la SVM (chapitre 9) et le petit tableau de poids d'une convolution, qu'on appelle aussi filter (chapitre 11).
Feature map désigne aussi deux choses: la transformation $ϕ$ des caractéristiques d'un modèle linéaire (chapitre 2) et la carte de caractéristiques produite par une couche convolutive (chapitre 11).
Courbe d'apprentissage (learning curve) se lit en fonction des itérations dans le chapitre 3 et en fonction de la taille de l'ensemble d'entraînement dans le chapitre 6; les deux usages coexistent dans la littérature.
Learning rate est le pas d'apprentissage $η$ d'une descente de gradient (chapitre 3) et le taux d'apprentissage $ν$ du gradient boosting (chapitre 8), où on l'appelle aussi shrinkage; ce dernier mot désigne par ailleurs le rétrécissement des coefficients par la ridge (chapitre 6).

Exercices de vocabulaire

Question C.1

Un article rapporte une accuracy de 98 % sur un jeu où 2 % des courriels sont des pourriels. Quelle traduction et quelle lecture sont correctes?

Question C.2

Dans la documentation d'une bibliothèque, l'argument kernel_size=3 d'une couche Conv2d et l'argument kernel='rbf' d'une classe SVC désignent-ils la même notion?

Question C.3

Un polycopié francophone parle de «validation un contre tous» pour choisir $k$ dans les $k$ plus proches voisins. De quelle procédure s'agit-il, et comment ce cours la nomme-t-il?