JavaScript pour l'apprentissage automatique : possibilités et limites

Formateur Python en ligne pour débutants

Apprenez Python facilement sans surcharge théorique. Résolvez des tâches pratiques avec vérification automatique et écrivez du code directement dans le navigateur.

Start Course

Introduction : pourquoi JavaScript pour l’apprentissage automatique ?

Le monde de l’apprentissage automatique (ML) est traditionnellement associé à Python. Cependant, avec la popularité croissante de Node.js et l’émergence de bibliothèques puissantes, JavaScript devient une alternative réelle pour résoudre des tâches de ML. Dans cet article, nous allons analyser les possibilités qu’offre JavaScript pour le ML, où son utilisation est justifiée, et où il est préférable de se tourner vers Python.

JavaScript est un langage qui fonctionne partout : dans le navigateur, sur le serveur (Node.js) et même sur les appareils mobiles. Cela offre un avantage unique : la possibilité de déployer des modèles sans changer de stack technologique. Mais il y a aussi un inconvénient : JavaScript ne possède pas un écosystème aussi mature pour le ML que Python.

Nous allons examiner les bibliothèques clés, écrire quelques exemples de code sur Node.js et évaluer objectivement quand utiliser JS, et quand ne pas le faire.

Principales capacités de JavaScript pour le ML

Malgré les stéréotypes, le JavaScript moderne (surtout avec l’arrivée de WebAssembly) est capable d’effectuer des calculs complexes. Examinons trois directions principales où JS se montre à la hauteur.

1. TensorFlow.js : la puissance des réseaux de neurones directement dans le navigateur

TensorFlow.js est le port du célèbre framework de Google pour JavaScript. Il permet d’entraîner et d’exécuter des modèles à la fois dans le navigateur et dans Node.js. Le principal avantage est la confidentialité : les données ne quittent pas l’appareil de l’utilisateur.

Exemple d’une régression linéaire simple sur Node.js :

const tf = require('@tensorflow/tfjs');

// Création d’un modèle simple
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

// Compilation
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});

// Données d’entraînement : y = 2x - 1
const xs = tf.tensor2d([-1, 0, 1, 2, 3, 4], [6, 1]);
const ys = tf.tensor2d([-3, -1, 1, 3, 5, 7], [6, 1]);

// Entraînement
model.fit(xs, ys, {epochs: 250}).then(() => {
  // Prédiction pour x = 10
  model.predict(tf.tensor2d([10], [1, 1])).print();
  // Résultat attendu : ~19
});

Ce code montre à quel point il est facile de commencer à travailler avec les réseaux de neurones en JS. TensorFlow.js prend en charge les CNN, les RNN et même les transformers.

2. Brain.js : les réseaux de neurones pour ceux qui n’aiment pas les maths

Brain.js est une bibliothèque qui rend les réseaux de neurones extrêmement simples à comprendre. Elle est idéale pour le prototypage et l’apprentissage.

Exemple de classification XOR (ou exclusif) :

const brain = require('brain.js');
const net = new brain.NeuralNetwork();

net.train([
  {input: [0, 0], output: [0]},
  {input: [0, 1], output: [1]},
  {input: [1, 0], output: [1]},
  {input: [1, 1], output: [0]}
]);

const output = net.run([1, 0]); // ~0.99 (presque 1)
console.log(`Résultat : ${output}`);

Brain.js excelle dans les tâches de reconnaissance de motifs simples, de prévision de séries temporelles et même de création de chatbots.

3. ML5.js : le ML pour les projets créatifs

ML5.js est construit au-dessus de TensorFlow.js et s’adresse aux artistes, designers et débutants. Il fournit des modèles prêts à l’emploi pour la reconnaissance d’images, de gestes, de sons et de texte.

Exemple d’utilisation du modèle pré-entraîné MobileNet pour la classification d’images :

const ml5 = require('ml5');

// Chargement du modèle
const classifier = ml5.imageClassifier('MobileNet', () => {
  // Classification de l’image
  classifier.classify('cat.jpg', (err, results) => {
    if (err) {
      console.error(err);
      return;
    }
    console.log('Résultats :', results);
    // Par exemple : [{label: 'tiger cat', confidence: 0.89}, ...]
  });
});

ML5.js est un excellent choix pour les hackathons, les projets éducatifs et les installations interactives.