# Random Forest (Forêt Aléatoire)

> Algorithme combinant les résultats de multiples arbres de décision pour obtenir une prédiction plus précise et stable.

- Page ZoneIA : https://zoneia.fr/glossaire/random-forest-foret-aleatoire
- Type : Définition du glossaire IA
- Catégories : [Analyse de Données & Data](https://zoneia.fr/outils/categorie/analyse-donnees-data), [Recherche & Science](https://zoneia.fr/outils/categorie/recherche-science-ia)
- Publié le : 2026-03-04
- Mis à jour le : 2026-05-22

Une forêt aléatoire est une méthode d’**apprentissage en ensemble** : au lieu de s’appuyer sur un seul arbre de décision (souvent sensible au bruit et au surapprentissage), elle agrège les prédictions de nombreux arbres pour **réduire la variance** et améliorer la robustesse.

## Comment ça fonctionne
Chaque arbre est entraîné sur un **échantillon aléatoire** des données (bootstrap). À chaque nœud, l’arbre ne teste qu’un **sous-ensemble aléatoire de variables**. Cette double randomisation rend les arbres moins corrélés entre eux.  
En **classification**, la prédiction finale est généralement un **vote majoritaire**. En **régression**, on prend souvent la **moyenne** des sorties.

## Pourquoi c’est utile
La forêt aléatoire offre souvent de bonnes performances “par défaut” sans réglages complexes, gère bien les **relations non linéaires**, et tolère relativement bien les **données bruitées**. Elle fournit aussi des estimations d’**importance des variables**, utiles pour l’analyse exploratoire (à interpréter avec prudence en cas de variables corrélées).

## Exemples d’usage
- Détection de fraude (classification binaire)  
- Scoring de risque ou prédiction de prix (régression)  
- Baselines solides avant d’essayer des modèles plus complexes (gradient boosting, réseaux de neurones)

---

Source : ZoneIA, annuaire francophone des outils IA (https://zoneia.fr/glossaire/random-forest-foret-aleatoire)