📖 Définition

Un réseau récurrent est conçu pour traiter des données séquentielles dont l'ordre est important, comme le texte, la parole ou les séries temporelles. Ses connexions en boucle permettent à l'information de persister d'une étape à la suivante, créant une forme de mémoire interne. Cette mémoire permet de tenir compte du contexte passé. Les variantes LSTM et GRU ont été développées pour résoudre les problèmes de mémoire à long terme.

💬 En termes simples

Pensez à un traducteur professionnel qui lit un document phrase par phrase. Pour bien traduire chaque nouvelle phrase, il doit se souvenir du contexte des phrases précédentes afin de maintenir la cohérence. Un réseau récurrent conserve en mémoire les informations traitées précédemment pour mieux interpréter les données suivantes.

🎯 Exemple concret

Environnement Canada utilise un RNN pour analyser des décennies de données météorologiques et améliorer les prévisions d'inondations au Québec. Une institution financière de Montréal déploie un LSTM pour détecter les transactions frauduleuses en analysant les séquences d'opérations. Une entreprise de sous-titrage à Québec génère des sous-titres en direct lors de conférences.

💡 Le saviez-vous ?

Les RNN classiques souffrent du problème de disparition du gradient, résolu en 1997 par l'invention des LSTM. Bien que largement supplantés par les transformeurs pour le NLP, les RNN restent très utilisés pour les séries temporelles industrielles.

Navigation

Ressources

Pages