Comment un réseau de neurones reconnaît les chiffres
Dessinez un chiffre et regardez un vrai réseau de neurones l’analyser. Vous verrez quels neurones s’allument, ce que chacun cherche et comment 784 pixels deviennent une seule réponse. Tout fonctionne dans votre navigateur.
Dessinez un chiffre
Le réseau répond3sûr à 100 %
Sur 10 000 chiffres de test qu’il n’a jamais vus pendant l’apprentissage, il en reconnaît correctement 97,8 %.
À l’intérieur du réseau
Parcourez les quatre étapes ou cliquez sur n’importe quel neurone pour voir comment il calcule.
- Couleur plus intense = le neurone brille davantage
- Augmente la somme suivante
- Diminue la somme suivante
Étape 4 : la sortie du chiffre 3
Chacune des 10 sorties additionne de la même façon les 16 neurones de la couche 2. Plus la somme d’une sortie est élevée, plus le réseau penche vers son chiffre.
Ce qui a le plus ajouté et retranché
La somme de cette sortie est 14,97. Softmax la transforme en une part de 100 % (voir plus bas).
Le biais est un nombre propre au neurone, appris comme les poids : il le rend plus ou moins facile à allumer.
De 10 sommes à une réponse
Softmax transforme les 10 sommes en parts qui totalisent 100 %. La somme la plus élevée reçoit la plus grande part : si une somme dépasse une autre de 1, sa part est environ 2,7 fois plus grande. La réponse est le chiffre dont la part est la plus grande. La part indique à quel point le réseau penche vers un chiffre, pas la probabilité qu’il ait raison.
| Chiffre | Somme | Part |
|---|---|---|
| 0 | -5,37 | 0 % |
| 1 | -0,27 | 0 % |
| 2 | 2,32 | 0 % |
| 3 | 14,97 | 100 % |
| 4 | -6,86 | 0 % |
| 5 | 4,38 | 0 % |
| 6 | -10,56 | 0 % |
| 7 | 1,13 | 0 % |
| 8 | -1,01 | 0 % |
| 9 | 1,46 | 0 % |
Une démonstration pour comprendre ; rien de ce que vous dessinez ne quitte votre navigateur. Comment c'est calculé et d'où viennent les données
Comment un réseau de neurones reconnaît un chiffre
Un réseau de neurones est fait d’unités simples, les neurones, rangées en couches. Chaque neurone ne fait qu’une chose : il additionne les nombres qu’il reçoit, chacun multiplié par son propre poids, ajoute son biais et transmet le résultat s’il est positif. L’intelligence n’est dans aucun neurone en particulier, mais dans les poids.
Ce réseau reçoit votre dessin sous forme de 784 nombres, un par pixel. La couche 1 compte 32 neurones, et chacun réagit à un petit trait à un endroit précis, comme le montrent leurs motifs. La couche 2 compte 16 neurones qui assemblent ces traits en parties plus grandes. Les 10 sorties, une par chiffre, additionnent la couche 2, et la plus haute l’emporte.
Personne n’a réglé les poids à la main. Au départ, ils étaient aléatoires et le réseau répondait au hasard. Puis on lui a montré 60 000 chiffres manuscrits avec les bonnes réponses, et après chaque petit lot, chaque poids a été déplacé un peu dans le sens qui réduit l’erreur (rétropropagation et descente de gradient). Après 30 passages sur tous les chiffres, ses quelque 26 000 poids se sont stabilisés dans les motifs que vous voyez.
C’est aussi pourquoi le réseau se trompe autrement qu’un humain. Il a appris à quoi ressemblent les chiffres de MNIST, pas ce qu’est un chiffre. Dessinez un chiffre très fin, coupé ou dans un style inhabituel, et les sommes peuvent pencher du mauvais côté. Essayez : dessinez un 4 ouvert en haut, un 7 barré ou une lettre, et regardez quels neurones réagissent.
Les mêmes briques, en bien plus grand nombre et autrement agencées, se trouvent dans les réseaux qui reconnaissent la parole, traduisent ou rédigent des textes. Le principe reste le même : une multitude de sommes pondérées, avec des poids appris à partir d’exemples.
Questions fréquentes
Est-ce un vrai réseau de neurones ?
Oui. C’est un réseau petit mais complet, entraîné sur de vrais chiffres manuscrits, et il calcule dans votre navigateur exactement comme le montre le schéma. Chaque nombre du schéma est la vraie valeur du calcul.
Mon dessin est-il envoyé quelque part ?
Non. Le réseau fonctionne dans votre navigateur. Le dessin est seulement conservé dans le stockage de votre navigateur, pour qu’il soit encore là à votre retour.
Pourquoi ne reconnaît-il pas mon chiffre ?
Il ne connaît que les chiffres qui ressemblent à ceux de MNIST : un seul chiffre, dessiné au centre, avec des traits d’épaisseur normale. Il n’a jamais vu votre écriture et ne peut pas répondre « je ne sais pas ». Essayez de dessiner le chiffre plus grand et plus simplement, ou regardez quels neurones de la couche 1 se sont allumés et quelles sorties ils ont renforcées.
Quelle est sa précision ?
Sur les 10 000 chiffres de test de MNIST, qu’il n’a pas vus pendant l’apprentissage, il a raison dans environ 98 cas sur 100 ; la part exacte figure sous la zone de dessin. Les chiffres dessinés à la souris ne ressemblent pas aux traits de stylo sur papier, il peut donc faire moins bien avec eux.
Qu’est-ce que MNIST ?
Une collection de 70 000 chiffres manuscrits réunie dans les années 1990 par Yann LeCun, Corinna Cortes et Christopher Burges à partir d’échantillons d’écriture américains. Elle est depuis longtemps le premier terrain d’essai des nouvelles méthodes, une sorte de « hello world » de l’apprentissage automatique.
Articles liés
Comment c'est calculé et d'où viennent les données
Comment le résultat est calculé
- Votre dessin est retracé comme MNIST a préparé ses chiffres : les traits avec un crayon d’environ 3 pixels de large, ajustés dans un cadre de 20 × 20 en gardant leur forme, puis déplacés pour que le centre de l’encre tombe au milieu d’une image de 28 × 28. Chaque pixel est un nombre de 0 à 1.
- Le réseau a 784 entrées, 32 neurones dans la couche 1, 16 dans la couche 2 et 10 sorties. Chaque neurone additionne ses entrées, chacune multipliée par son poids, plus son biais. Dans les deux couches cachées, une somme négative devient 0 (ReLU) ; les 10 sommes de sortie passent par softmax, qui en fait des parts totalisant 100 %.
- Nous avons entraîné le réseau sur les 60 000 chiffres d’entraînement de MNIST : 30 passages de descente de gradient avec momentum par lots de 64 chiffres, chaque chiffre déplacé, tourné, incliné et aminci ou épaissi au hasard, pour que le réseau reconnaisse aussi les chiffres dessinés à la souris.
- La précision est mesurée sur les 10 000 chiffres de test de MNIST, que le réseau n’a jamais vus pendant l’apprentissage, avec le même code et les mêmes poids que la page. Le résultat figure sous la zone de dessin.
- Les poids sont stockés sur 8 bits chacun ; la précision indiquée est mesurée après cet arrondi. Un neurone d’une couche cachée est coloré d’autant plus intensément que sa valeur est grande par rapport à une valeur élevée de sa couche (le 95e centile sur les chiffres de test).
Hypothèses et limites
- Le réseau ne connaît que les chiffres de 0 à 9 et répond toujours par l’un d’eux, même pour une lettre ou un gribouillis, parfois avec une grande part.
- Les chiffres de MNIST ont été écrits par des employés du Census Bureau américain et par des lycéens américains. D’autres écritures, comme un 1 avec une longue barre d’attaque ou un 7 barré, peuvent être moins bien reconnues.
- C’est un petit réseau, conçu pour pouvoir être suivi. Le réseau convolutif décrit par LeCun et al. (1998) se trompait sur moins de 1 % des mêmes chiffres de test ; les réseaux utilisés aujourd’hui sont bien plus grands encore.
- Le réseau ne se souvient pas des dessins précédents et n’apprend pas des vôtres.
Les chiffres d’exemple sont des chiffres manuscrits de l’ensemble de test de MNIST. Les nombres du schéma du réseau sont les vraies valeurs du calcul, pas des exemples de notre part.
Sources des données et période concernée
Chaque chiffre avec lequel un calculateur démarre ou à partir duquel il calcule provient de l'une des sources ci-dessous. Les noms des séries sont donnés tels que l'éditeur les nomme. Chaque ligne indique la période à laquelle les données se rapportent et, là où nous la consignons, le jour du téléchargement. Les données officielles peuvent avoir plusieurs mois lors de leur publication ; vérifiez donc la valeur actuelle avant de décider.
- Officiel
- Publié par une banque centrale, un institut de statistique, l'Union européenne ou un autre organisme public.
- Données académiques ou sectorielles
- Un jeu de données d'une université, d'un fournisseur d'indices, d'une association sectorielle ou d'un fournisseur de données.
- D'après la presse
- Un chiffre d'un organisme officiel que nous ne connaissons que par la presse et que nous n'avons pas vérifié à la source. Considérez-le comme approximatif.
- Exemple
- Un chiffre rond de notre part, pas une statistique. Remplacez-le par le vôtre.
Chiffres manuscrits pour entraîner le réseau
| Source | Période | Type |
|---|---|---|
Yann LeCun, Corinna Cortes, Christopher J. C. BurgesThe MNIST database of handwritten digits: 60,000 training and 10,000 test images of 28 × 28 pixels, size-normalized to a 20 × 20 box and centered by the center of mass (files from the torchvision mirror, checked against its MD5 sums) | 1998téléchargé le 2026-10-17 | Données académiques ou sectorielles |
Y. LeCun, L. Bottou, Y. Bengio, P. HaffnerGradient-based learning applied to document recognition, Proceedings of the IEEE 86 (11), 2278–2324 | 1998 | Données académiques ou sectorielles |
Texte de la méthodologie vérifié pour la dernière fois le 2026-10-06. Données téléchargées pour la dernière fois le 2026-10-17. Comment nous travaillons avec les données et les sources