Apprentissage supervisé (Supervised learning)
Apprentissage automatique à partir de paires entrée–sortie étiquetées : le modèle apprend à associer des exemples à des cibles connues.
L’apprentissage supervisé entraîne un modèle sur des paires étiquetées : entrées avec sorties correctes connues (classes, scores ou complétions de texte). L’optimiseur minimise une perte entre prédictions et labels.
C’est un courant central de l’apprentissage automatique, distinct du clustering non étiqueté et de l’apprentissage par renforcement guidé par récompenses. Le pré-entraînement et l’affinage de LLM utilisent souvent des objectifs supervisés sur paires fixes ; le RLHF ajoute ensuite des étapes basées sur les préférences. L’entraînement en équipe produit peut mélanger phases supervisées, affinage et RL avant l’inférence.