RNN (Réseau de Neurones Récurrents)
Type de réseau de neurones conçu pour traiter des données séquentielles (texte, séries temporelles).
Un réseau de neurones récurrent (RNN) est adapté aux données ordonnées dans le temps. Contrairement à un réseau “classique” qui traite chaque entrée indépendamment, il conserve une mémoire de ce qu’il a vu précédemment dans la séquence. Cela le rend pertinent pour le texte, l’audio, ou les séries temporelles.
Comment ça fonctionne
À chaque pas de temps, le modèle reçoit un élément (un mot, une valeur de capteur, etc.) et met à jour un état caché qui résume le contexte. Cet état est réutilisé pour le pas suivant, ce qui permet de capturer des dépendances entre éléments successifs. L’entraînement se fait via la rétropropagation à travers le temps (BPTT), une variante de la rétropropagation qui déroule la séquence sur plusieurs étapes.
À quoi ça sert
Les RNN servent à prédire, classifier ou générer des séquences : prédiction de valeurs futures, analyse de sentiment, reconnaissance de parole, ou génération de texte.
Limites et variantes
Les RNN “simples” ont du mal avec les dépendances longues (problèmes de gradients qui disparaissent/explosent). Des variantes comme LSTM et GRU ajoutent des mécanismes de portes pour mieux gérer la mémoire. Aujourd’hui, ils sont souvent remplacés par les Transformers sur le texte, mais restent utiles sur certains flux temporels et systèmes embarqués.