Vous donnez une grande fête. Vous n’avez placé personne. Une heure plus tard, sans que vous n’ayez rien dit, le salon s’est organisé tout seul : un groupe rit près de la fenêtre, un autre refait le monde dans la cuisine, deux personnes se sont trouvées au coin du buffet.
Personne n’a distribué de badges. Et pourtant, des groupes existent. C’est exactement ce que fait un algorithme de clustering.
Le clustering, en trois phrases
Tu as un tas de billes mélangées. Sans qu’on te dise les couleurs, tu regardes lesquelles se ressemblent et tu les mets ensemble. Voilà, tu fais du clustering.
Une technique qui regroupe automatiquement des éléments qui se ressemblent — clients, produits, documents — sans qu’on ait défini les catégories à l’avance.
Méthode d’apprentissage non supervisé qui partitionne un ensemble d’observations en groupes (clusters) de façon à maximiser la similarité à l’intérieur d’un groupe et la dissimilarité entre les groupes.
L’analogie de la soirée sans plan de table
Reprenons votre fête. Vous ouvrez les portes, vous laissez faire. Au début, les invités circulent un peu au hasard. Puis quelque chose se passe : chacun se rapproche des personnes avec qui il a quelque chose en commun. Les amateurs de cinéma finissent côte à côte. Les parents parlent d’école dans un coin. Les collègues de bureau se retrouvent près des boissons.
Personne n’a organisé ces groupes. Ils se sont formés par proximité d’affinité. Plus deux personnes se ressemblent, plus elles ont tendance à se retrouver dans le même coin du salon. C’est tout le principe du clustering : on ne dit pas à l’algorithme « voici les catégories, range les données dedans ». On lui dit « regarde ce qui se ressemble, et forme des groupes ».
En tant qu’hôte, vous jouez un rôle discret mais réel. Avant la soirée, vous pouviez vous dire : « je m’attends à voir se former trois ou quatre petits cercles de conversation. » Ce chiffre que vous anticipez, c’est exactement ce qu’on appelle le k dans la célèbre méthode des k-means : le nombre de groupes qu’on demande à l’algorithme de constituer.
Dans chaque groupe, il y a souvent une personne autour de qui les autres gravitent — celle qui anime, qui fait le lien. C’est le centre du groupe. L’algorithme, lui, calcule un point moyen pour chaque cluster : le centroïde. Et il y a toujours cet invité un peu seul, planté près du buffet, qui n’appartient vraiment à aucun cercle. Certaines méthodes savent le reconnaître et le laisser de côté plutôt que de le forcer dans un groupe : on parle alors de bruit ou de point isolé.
Le clustering appartient à la même grande famille d’apprentissage que les méthodes que je décris dans l’article sur le deep learning — à une différence près, essentielle : ici, personne n’a donné les bonnes réponses à l’avance.
Le vocabulaire, traduit
Données non étiquetées
Des invités sans badge de catégorie
Des données brutes, sans réponse fournie à l’avance
Similarité (distance)
La proximité d’affinité entre deux personnes
Une mesure mathématique : plus deux points sont proches, plus ils se ressemblent
Centroïde
La personne autour de qui le groupe gravite
Le point « moyen » qui résume un cluster
k (nombre de groupes)
Le nombre de coins de discussion que l’hôte anticipe
Avec les k-means, on fixe ce nombre à l’avance
Bruit (outlier)
L’invité solitaire près du buffet
Un point qui n’appartient à aucun groupe ; certaines méthodes (DBSCAN) le laissent de côté
Ce que ça change pour vous
- Segmenter sans a priori. La segmentation classique part de catégories que vous imposez (âge, région). Le clustering laisse les segments émerger des données. Vous pouvez découvrir des groupes de clients auxquels vous n’auriez jamais pensé.
- Souvent, on ne regroupe pas les données brutes. On regroupe leurs embeddings — des représentations numériques du sens, que j’explique dans l’article sur le fonctionnement des LLM. C’est ce qui permet de regrouper des avis clients ou des documents par thème.
- Repérer ce qui sort du lot. L’invité solitaire de la soirée, c’est aussi la transaction suspecte ou le client sur le point de partir. Le clustering sert autant à détecter les anomalies qu’à former des groupes.
- Le nombre de groupes est une décision business. Trois segments ou douze ? Le choix du k dépend de ce que vous saurez activer ensuite. Ce n’est pas qu’un réglage technique, c’est un arbitrage de pilotage.
- Gardez l’œil critique. L’algorithme regroupe toujours. À vous de vérifier que les groupes ont un sens métier avant d’en faire une stratégie. Pour situer le clustering parmi les autres notions, voyez le guide des 50 concepts clés de l’IA générative.
Questions que tout le monde se pose
Les deux articles fondateurs
1. L’acte de naissance des k-means (1967)
Dans un colloque de statistiques de Berkeley, le statisticien James MacQueen cherche une manière simple de découper une masse d’observations en quelques groupes représentatifs.
Son idée : placer quelques points de référence, attribuer chaque observation au plus proche, puis recalculer les références — et recommencer jusqu’à stabilisation. C’est lui qui baptise la méthode « k-means ». Elle est restée, soixante ans plus tard, le premier réflexe de clustering enseigné partout.
✅ MacQueen, J. B. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1, 281–297. University of California Press.
2. DBSCAN, ou le regroupement par densité (1996)
Trente ans plus tard, une équipe de l’université de Munich (Ester, Kriegel, Sander et Xu) part d’un constat : les k-means imposent de connaître le nombre de groupes et peinent sur les formes irrégulières.
Leur réponse, DBSCAN, change de logique : un groupe est une zone où les points sont serrés ; ce qui reste isolé est laissé de côté comme « bruit ». L’algorithme trouve donc lui-même le nombre de groupes et sait dire « celui-là n’appartient à personne ». Cette approche a reçu en 2014 le prix du KDD récompensant les travaux marquants dans la durée.
✅ Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96), 226–231. AAAI Press.
Trois prompts pour apprendre
Explique-moi le clustering avec une analogie différente de la soirée, tirée du monde du commerce ou de la cuisine, puis donne un exemple concret.
🎯 Objectif : explorer | 📚 Ce qu’on apprend : qu’un même concept se raconte de plusieurs façons, ce qui solidifie la compréhension.
Voici ma définition du clustering : [collez votre définition]. Dis-moi ce qui est juste, ce qui est imprécis, et reformule-la en une seule phrase claire.
🎯 Objectif : tester sa compréhension | 📚 Ce qu’on apprend : à repérer ses propres approximations.
J’ai 500 clients décrits par leur âge, leur panier moyen et leur fréquence d’achat. Sans code, explique comment un clustering pourrait m’aider à créer des segments, et quels pièges surveiller.
🎯 Objectif : cas pratique management | 📚 Ce qu’on apprend : à relier une méthode à une décision business réelle.
Related posts:
Entrez dans la cuisine de l’IA et goûtez au deep learning
La fenêtre de contexte : combien une IA peut-elle voir en une seule fois ?
Fine-tuning : comment une IA généraliste devient experte de votre métier — l’analogie de l’onboarding
La température d’un LLM — l’analogie du médecin face au diagnostic
Comment fonctionnent les LLM ? L’analogie de l’apprenti bibliothécaire universel
Enseigner le concept de paramètre en IA L’analogie avec une directrice marketing exercices, prompts
Qu’est-ce qu’un artefact en IA ? L’analogie du chantier archéologique Exercices Prompts
Tout comprendre à la vectorisation par les LLM Exercices et Prompts
Laisser un commentaire