Définition
Rétropropagation (Backpropagation)
Méthode de calcul utilisée pour ajuster les poids d'un réseau de neurones en fonction de l'erreur commise en sortie.
Publié le 4 mars 2026par ZoneIA
La rétropropagation est le mécanisme central qui permet à un réseau de neurones d’apprendre à partir de ses erreurs. L’idée est simple : après une prédiction, on mesure l’écart entre la sortie du modèle et la cible (via une fonction de perte), puis on met à jour les paramètres internes pour réduire cet écart lors des prochaines prédictions.
Comment ça fonctionne
- Propagation avant : les données traversent les couches du réseau et produisent une sortie.
- Calcul de la perte : on quantifie l’erreur (ex. entropie croisée en classification, MSE en régression).
- Propagation arrière : on calcule l’influence de chaque poids sur l’erreur en appliquant la règle de la chaîne (dérivées). Cela donne un gradient pour chaque paramètre.
- Mise à jour : un algorithme d’optimisation (SGD, Adam…) ajuste les poids, typiquement :
poids ← poids − taux_apprentissage × gradient.
À quoi ça sert
Elle rend l’entraînement de modèles profonds tractable, en évitant de recalculer naïvement les dérivées. C’est la base de l’apprentissage supervisé dans la plupart des réseaux.
Exemples d’usage
- reconnaissance d’images (CNN),
- traitement du texte (Transformers),
- prévision de séries temporelles,
- recommandation et scoring.