# SVM (Machine à Vecteurs de Support)

> Algorithme de classification très performant qui cherche à trouver un "hyperplan" séparant au mieux les données.

- Page ZoneIA : https://zoneia.fr/glossaire/svm-machine-a-vecteurs-de-support
- Type : Définition du glossaire IA
- Catégories : [Analyse de Données & Data](https://zoneia.fr/outils/categorie/analyse-donnees-data), [Code & Développement](https://zoneia.fr/outils/categorie/code-developpement-ia)
- Publié le : 2026-03-04
- Mis à jour le : 2026-05-22

Une SVM est un modèle supervisé qui sépare des données en classes en construisant une frontière de décision. L’idée centrale est de choisir l’hyperplan qui **maximise la marge**, c’est‑à‑dire la distance entre la frontière et les exemples les plus proches. Ces exemples “critiques” s’appellent les **vecteurs de support** : ils suffisent en grande partie à définir la séparation.

## Comment ça fonctionne
Pour des données linéairement séparables, la SVM cherche la meilleure séparation possible. Quand les classes se chevauchent, on utilise une **marge souple** (paramètre `C`) qui tolère certaines erreurs pour mieux généraliser. Pour des séparations non linéaires, la SVM peut appliquer des **kernels** (RBF, polynomial, etc.) : ils projettent implicitement les données dans un espace de dimension plus élevée où une séparation linéaire devient possible.

## À quoi ça sert
Les SVM sont efficaces sur des jeux de données **de taille moyenne** et en **haute dimension** (ex. texte), avec souvent de bonnes performances même avec peu d’exemples.

## Exemples d’usage
- Classification de spam / non‑spam (features TF‑IDF).
- Détection de fraude ou d’anomalies (variante One‑Class SVM).
- Classification d’images avec des descripteurs (HOG, SIFT) avant l’ère du deep learning.

---

Source : ZoneIA, annuaire francophone des outils IA (https://zoneia.fr/glossaire/svm-machine-a-vecteurs-de-support)