Fonction de perte en IA comment un modèle apprend-il vraiment ?

Une fonction de perte donne au modèle un score d’erreur clair. Plus ce score est haut, plus il s’est trompé. Je vais vous montrer comment ça marche, avec MSE, MAE, entropie croisée, et pourquoi la loss ne raconte pas la même chose que l’accuracy.

C’est quoi une fonction de perte ?

Quand je parle de fonction de perte à un client, je la résume souvent comme ça : C’est le compteur d’erreur du modèle. Le modèle fait une prédiction, on la compare à la vraie réponse, et on transforme l’écart en un chiffre.

Le point important, c’est que le modèle ne “sait” pas qu’il s’est trompé comme nous. Il n’a pas de bon sens, pas de regret, pas de petite voix qui dit “là, j’ai abusé”. Il reçoit juste un signal numérique. Plus ce chiffre est élevé, plus il est loin de la bonne réponse. Plus il est bas, plus il se rapproche de ce qu’on attend.

J’aime bien l’image de la cible de fléchettes. Le centre de la cible, c’est la vérité. Par exemple, le vrai prix d’un appartement est 300 000 €. La fléchette, c’est la prédiction du modèle. S’il prédit 310 000 €, il n’est pas au centre, mais il n’est pas très loin. S’il prédit 450 000 €, là, il est clairement à côté. La distance entre la fléchette et le centre, c’est l’erreur. La fonction de perte transforme cette distance en score.

L’apprentissage, au fond, c’est ça : Le modèle lance des fléchettes encore et encore, puis il ajuste sa façon de viser pour réduire la distance. Techniquement, il modifie ses paramètres. Un paramètre, c’est une valeur interne qui influence la prédiction. Pas besoin d’imaginer ça comme quelque chose de magique. C’est juste des réglages que le modèle ajuste petit à petit pour faire baisser la perte.

Prenons un exemple simple avec la température. La vraie température demain est 22°C. Le modèle prédit 25°C. L’erreur est de 3 degrés. La fonction de perte dit au modèle : “Tu es à 3 degrés de la vérité”. À l’entraînement suivant, s’il prédit 23°C, la perte baisse. C’est bon signe. Il apprend.

Élément	Ce que ça représente
Vérité	La bonne réponse attendue, par exemple 22°C ou 300 000 €.
Prédiction	La réponse proposée par le modèle.
Erreur	L’écart entre la prédiction et la vérité.
Perte	Le score chiffré qui mesure à quel point le modèle s’est trompé.

Quand utiliser MSE ou MAE ?

Quand je prédis une valeur numérique, un prix, une température, un délai de livraison, je dois choisir comment mesurer l’erreur. MSE et MAE font le même boulot au départ : comparer la prédiction du modèle avec la vraie valeur. Mais elles n’ont pas le même caractère.

MSE, pour Mean Squared Error, veut dire erreur quadratique moyenne. L’idée est simple : je prends l’écart entre la prédiction et la vérité, je mets cet écart au carré, puis je fais la moyenne. Le carré a deux effets. Il rend toutes les erreurs positives, et surtout il punit très fort les grosses erreurs. Une erreur de 10 ne compte pas juste deux fois plus qu’une erreur de 5. Elle compte quatre fois plus après le carré.

MAE, pour Mean Absolute Error, veut dire erreur absolue moyenne. Là, je prends juste la valeur absolue de l’écart, puis je fais la moyenne. Pas de carré. Pas d’amplification. Une erreur de 10 reste deux fois plus grande qu’une erreur de 5. C’est souvent plus stable quand il y a des valeurs extrêmes, ce qu’on appelle des outliers. Un outlier, c’est une observation très différente du reste, par exemple une maison vendue 10 millions dans un quartier où tout est autour de 300 000.

Un mini exemple, avec trois prédictions :

Vraie valeur	Prédiction	Erreur	Erreur absolue MAE	Erreur au carré MSE
100	110	10	10	100
200	190	-10	10	100
300	250	-50	50	2500

On le voit tout de suite. Avec MAE, la grosse erreur vaut 50. Avec MSE, elle vaut 2500. Donc si je veux que le modèle se concentre fortement sur les grosses erreurs, je prends souvent MSE. Si je veux éviter qu’un cas extrême prenne toute la place pendant l’entraînement, MAE est souvent plus saine. J’ai déjà vu ça chez un client sur des prévisions de délais : quelques commandes très atypiques faisaient paniquer le modèle avec MSE. MAE donnait un modèle moins spectaculaire sur le papier, mais plus fiable au quotidien.

Critère	MSE	MAE
Sensibilité aux grosses erreurs	Très forte, à cause du carré	Plus modérée
Quand l’utiliser	Quand les grosses erreurs sont vraiment graves	Quand les outliers ne doivent pas dominer
Lecture du score	Moins intuitive, car les erreurs sont au carré	Très intuitive, même unité que la cible
Exemple typique	Prévision financière où une grosse erreur coûte cher	Données bruitées, délais, prix avec cas extrêmes

Comment marche l’entropie croisée ?

L’entropie croisée, je la vois comme une fonction de perte qui ne se contente pas de dire “c’est bon” ou “c’est faux”. Elle regarde aussi le niveau de confiance du modèle. Et c’est là que ça devient intéressant.

Prenons un modèle qui classe des emails en deux catégories : spam ou non spam. Le modèle ne sort pas juste une réponse finale. Il sort des probabilités. Par exemple : “Je pense que cet email est un spam à 92%”. Cette probabilité devient ensuite une décision, mais la fonction de perte regarde ce qu’il y avait avant la décision.

Situation	Prédiction du modèle	Effet sur la perte
Bonne classe avec forte confiance	L’email est vraiment un spam, le modèle dit spam à 98%	Perte faible
Bonne classe avec confiance moyenne	L’email est un spam, le modèle dit spam à 60%	Perte plus élevée
Mauvaise classe avec forte confiance	L’email est un spam, le modèle dit non spam à 97%	Grosse perte

Ce point est important. Si le modèle donne la bonne réponse, mais presque au hasard, il ne mérite pas le même “score” qu’un modèle qui a vu juste avec une vraie certitude. Et s’il se trompe en étant très sûr de lui, là, il faut lui envoyer un signal fort. Sinon il risque de garder une mauvaise logique interne.

J’ai déjà vu ça sur des modèles de tri automatique de demandes clients. Le modèle classait parfois une demande urgente dans la mauvaise catégorie avec 95% de confiance. Ce n’est pas juste une petite erreur. C’est une erreur dangereuse, parce que derrière, une automatisation peut partir dans le mauvais sens.

La logique vient donc des probabilités prédites. Plus le modèle donne une forte probabilité à la vraie classe, plus la perte baisse. Plus il donne une forte probabilité à une mauvaise classe, plus la perte explose.

• Classification binaire : Spam ou non spam, fraude ou pas fraude, client à risque ou non.
• Classification multi-classes : Chat, chien, cheval, voiture, avion.
• Modèles avec probabilités : Quand on veut savoir non seulement quoi prédire, mais aussi avec quelle confiance.
• Cas sensibles : Quand une erreur très confiante coûte cher, comme en support client, santé, finance ou cybersécurité.

Pourquoi loss et accuracy diffèrent ?

L’accuracy et la loss parlent du même modèle, mais pas avec le même niveau de détail. L’accuracy répond à une question simple : “Combien de fois le modèle a eu juste ?”. La loss, elle, regarde aussi à quel point le modèle était sûr de lui quand il a répondu.

C’est là que beaucoup de confusions commencent. Deux modèles peuvent avoir exactement la même accuracy, disons 90 %, mais des loss très différentes. Pourquoi ? Parce que le premier modèle peut donner les bonnes réponses avec 99 % de confiance, alors que le second donne les bonnes réponses avec 51 % de confiance. Dans les deux cas, la réponse finale est correcte. Pour l’accuracy, c’est pareil. Pour la loss, pas du tout.

La loss récompense les prédictions propres, nettes, cohérentes. Elle pénalise aussi les hésitations. Un modèle qui répond juste mais sans conviction reçoit un signal moins bon qu’un modèle qui répond juste avec confiance. C’est utile pendant l’entraînement, parce que le modèle ne doit pas seulement apprendre à tomber du bon côté, il doit apprendre à calibrer ses probabilités.

Le cas inverse est encore plus important. Une accuracy correcte peut cacher des erreurs très dangereuses. Imaginez un modèle médical qui classe bien 92 % des dossiers, mais qui se trompe sur certains cas graves avec 99 % de confiance. Côté accuracy, ça peut sembler acceptable. Côté loss, ça fait mal, et c’est exactement ce qu’on veut voir remonter.

L’accuracy est très pratique côté business. Elle se lit vite, elle parle à tout le monde, elle permet de comparer deux versions sans rentrer dans les détails. Mais pendant l’entraînement, la loss est souvent plus utile, parce qu’elle donne un signal plus fin au modèle. Elle lui dit “tu as faux”, mais aussi “tu as faux avec trop d’assurance” ou “tu as juste, mais tu hésites trop”.

En projet client, je regarde rarement une seule métrique. Une métrique isolée peut raconter une histoire trop propre. J’ai déjà vu des modèles avec une accuracy flatteuse, mais inutilisables dès qu’on regardait les erreurs critiques, les faux positifs, ou la confiance associée aux prédictions.

Métrique	Ce que ça mesure	Quand l’utiliser
Loss	La qualité fine des prédictions, avec le niveau de confiance du modèle.	Pendant l’entraînement, pour guider le modèle avec un signal nuancé.
Accuracy	La proportion de réponses correctes sur l’ensemble des prédictions.	Pour une lecture simple côté métier, surtout quand les classes sont équilibrées.

Alors, votre modèle se trompe comment ?

La fonction de perte, c’est le retour terrain du modèle. Elle lui dit à quel point sa prédiction s’éloigne de la vérité. MSE amplifie les grosses erreurs, MAE reste plus calme face aux outliers, l’entropie croisée juge aussi la confiance du modèle en classification. Et l’accuracy, même si elle parle bien au business, ne remplace pas la loss pendant l’entraînement. Si vous comprenez ça, vous lisez déjà mieux le comportement d’un modèle. Vous savez où il se trompe, pourquoi il progresse, et quelle métrique regarder pour prendre de meilleures décisions.

FAQ

• À quoi sert une fonction de perte en machine learning ?
  Une fonction de perte sert à mesurer l’erreur entre la prédiction du modèle et la bonne réponse. C’est le signal que le modèle utilise pour s’améliorer pendant l’entraînement.
• Quelle est la différence entre MSE et MAE ?
  MSE met les erreurs au carré, donc elle pénalise fortement les gros écarts. MAE prend simplement la valeur absolue des erreurs, elle est donc moins sensible aux valeurs extrêmes.
• Quand utiliser l’entropie croisée ?
  L’entropie croisée s’utilise surtout pour les tâches de classification. Elle évalue si le modèle choisit la bonne classe, mais aussi s’il est confiant ou non dans sa prédiction.
• Pourquoi une faible loss ne veut pas toujours dire une bonne accuracy ?
  Parce que la loss mesure la qualité fine des probabilités ou des erreurs, tandis que l’accuracy compte seulement les réponses correctes. Les deux métriques ne regardent pas le modèle avec le même niveau de détail.
• Quelle fonction de perte choisir pour un modèle IA ?
  Ça dépend du problème. Pour prédire une valeur numérique, MSE ou MAE sont souvent utilisées. Pour classer des éléments, l’entropie croisée est généralement plus adaptée.

 

 

A propos de l’auteur

Je suis Franck Scandolera, responsable de l’agence webAnalyste et de Formations Analytics. J’accompagne les entreprises sur le tracking avancé server-side, l’Analytics Engineering, l’automatisation No/Low Code avec n8n, l’intégration de l’IA, le SEO et le GEO. J’ai travaillé avec des équipes chez Logis Hôtel, Yelloh Village, BazarChic, la Fédération Française de Football ou Texdecor. Si vous voulez rendre vos données plus fiables, automatiser vos process ou intégrer l’IA sans usine à gaz, contactez-moi.