Deep Learning

Définition

Le Deep Learning, ou apprentissage profond, est une branche du machine learning utilisant des réseaux de neurones artificiels à plusieurs couches empilées pour apprendre automatiquement des représentations hiérarchiques à partir de données complexes comme des images, du texte ou de l'audio, sans nécessiter d'ingénierie manuelle de caractéristiques (feature engineering) contrairement aux méthodes de ML classiques. Chaque couche successive du réseau extrait des motifs de plus haut niveau d'abstraction : les premières couches d'un réseau convolutif (CNN) détectent des contours et textures, les couches profondes des formes complexes ou des objets entiers. Les architectures majeures incluent les CNN pour la vision par ordinateur, les réseaux récurrents (RNN, LSTM) historiquement utilisés pour les séquences, et surtout les Transformers, introduits en 2017, devenus la base des grands modèles de langage comme GPT ou Claude ainsi que des modèles de vision modernes. L'entraînement repose sur la rétropropagation du gradient et nécessite de grands volumes de données étiquetées ainsi qu'une puissance de calcul importante, typiquement des GPU ou TPU. En cybersécurité, le deep learning alimente la détection d'anomalies comportementales, la classification de malware par analyse binaire et les moteurs anti-phishing, mais introduit aussi une surface d'attaque spécifique : empoisonnement de données, attaques adversariales et extraction de modèle.