Une vidéo YouTube.
Six formats prêts à publier,
en 2 minutes.

Résumé exécutif — La vidéo explique, sans équations intimidantes, ce qu'est un réseau de neurones en partant d'un problème concret : reconnaître un chiffre manuscrit. Un neurone = une valeur (son « activation »). Les neurones sont organisés en couches : la couche d'entrée lit les 784 pixels de l'image, les couches cachées combinent des motifs (traits, boucles), la couche de sortie donne le chiffre. Chaque connexion porte un poids, chaque neurone un biais ; une fonction d'activation (sigmoïde) écrase le résultat entre 0 et 1. L'idée clé : le réseau apprend à détecter des sous-motifs et à les assembler hiérarchiquement.

À retenir : un réseau de neurones n'est qu'une grosse fonction paramétrée par des milliers de poids et biais — l'apprentissage consiste à régler ces paramètres.

Un réseau, c'est quoi au juste ?

Un réseau de neurones part d'une question simple : comment un programme peut-il reconnaître un 3 griffonné à la main, alors que deux « 3 » ne se ressemblent jamais vraiment ? La réponse tient en un mot : la hiérarchie.

Des neurones, des couches

Chaque neurone porte un nombre entre 0 et 1 — son activation. La première couche reçoit les 784 pixels (28×28). Les couches cachées combinent ces signaux pour repérer des traits, puis des boucles, et enfin des chiffres entiers.

Poids, biais, activation

Chaque connexion a un poids ; chaque neurone un biais. La somme pondérée passe dans une sigmoïde qui la ramène entre 0 et 1.

Apprendre, c'est ajuster ces milliers de poids pour que la bonne sortie s'allume.