📖 Définition

L'apprentissage continu est la capacité d'un modèle d'IA à acquérir de nouvelles connaissances au fil du temps sans oublier ce qu'il a déjà appris. On parle aussi d'apprentissage incrémental ou lifelong learning. Le défi principal est d'éviter l'oubli catastrophique, un phénomène où l'intégration de nouvelles données efface les apprentissages antérieurs. Différentes stratégies, comme la répétition d'expériences passées ou le gel sélectif de paramètres, permettent de contourner ce problème.

💬 En termes simples

Pensez à un employé chevronné qui suit régulièrement des formations pour rester à jour dans son domaine, sans pour autant oublier les compétences de base acquises au fil de sa carrière. L'apprentissage continu en IA fonctionne de la même façon : le modèle intègre de nouvelles connaissances tout en préservant son savoir existant, comme un professionnel québécois qui cumule des heures de formation continue obligatoire chaque année.

🎯 Exemple concret

En 2026, un système de détection de fraude chez Desjardins s'adapte en continu aux nouvelles tactiques des fraudeurs sans perdre sa capacité à repérer les stratagèmes déjà connus. Un assistant médical dans le réseau de la santé québécois intègre les dernières lignes directrices cliniques tout en conservant ses connaissances existantes. Un robot industriel dans une usine de Drummondville apprend à manipuler de nouveaux composants sans oublier les pièces qu'il traite depuis des mois.

💡 Le saviez-vous ?

Le cerveau humain est le champion de l'apprentissage continu : il peut intégrer de nouvelles compétences toute une vie sans tout réapprendre à zéro. Certaines techniques permettent à un modèle de retenir jusqu'à 95 % de ses connaissances antérieures tout en s'adaptant à de nouvelles tâches, un progrès majeur par rapport aux approches traditionnelles qui pouvaient perdre plus de la moitié de leur performance.

Navigation

Ressources

Pages