Ce que tu vas comprendre

• Ce qu’est réellement un algorithme.
• Pourquoi les algorithmes existaient bien avant les ordinateurs.
• Comment une suite d’instructions permet de résoudre un problème.
• Ce que sont une entrée, une instruction et une sortie.
• À quoi servent les conditions et les boucles.
• Pourquoi plusieurs algorithmes peuvent résoudre le même problème de façons très différentes.
• Ce que signifie l’efficacité d’un algorithme.
• Pourquoi le temps de calcul devient crucial lorsque le volume de données augmente.
• Ce qu’est la complexité algorithmique.
• Comment fonctionnent les principes généraux d’un algorithme de tri.
• Comment un moteur de recherche classe des résultats.
• Pourquoi les premiers résultats affichés ne sont pas simplement « les meilleurs » de manière absolue.
• Comment fonctionnent les systèmes de recommandation.
• Pourquoi Netflix, Spotify, YouTube, Amazon ou TikTok peuvent estimer ce qui pourrait t’intéresser.
• Ce qu’est le filtrage collaboratif.
• Comment les comportements d’utilisateurs similaires peuvent servir à produire des recommandations.
• Pourquoi le temps passé sur un contenu constitue lui-même une donnée.
• Comment les plateformes utilisent les clics, vues, achats, recherches et interactions.
• Pourquoi personnalisation ne signifie pas nécessairement compréhension réelle d’une personne.
• Comment des probabilités peuvent être utilisées pour prédire certains comportements.
• La différence entre un algorithme classique et l’apprentissage automatique.
• Pourquoi tout système d’intelligence artificielle repose sur des algorithmes mais pourquoi tout algorithme n’est pas une IA.
• Ce qu’est un biais algorithmique.
• Pourquoi un système peut reproduire les biais présents dans ses données.
• Pourquoi choisir un objectif à optimiser constitue déjà une décision humaine.
• Comment un algorithme peut intervenir dans le recrutement, le crédit, l’assurance ou la publicité.
• Pourquoi les décisions automatisées peuvent poser des problèmes de transparence.
• Ce que signifie l’explicabilité d’un système.
• Pourquoi un résultat calculé n’est pas automatiquement un résultat objectif.
• Comment les algorithmes des réseaux sociaux influencent la visibilité des contenus.
• Pourquoi certaines plateformes cherchent avant tout à maximiser l’engagement.
• Comment cette optimisation peut influencer ce que nous voyons.
• Pourquoi une bulle de filtres n’est pas simplement « Internet qui pense comme toi ».
• Pourquoi les algorithmes peuvent fonctionner remarquablement bien sans réellement comprendre ce qu’ils traitent.
• Comment analyser une décision automatisée en examinant les données, les critères et l’objectif du système.

Ce que ce livre ne promet pas

Ce livre n’est pas un manuel de programmation et ne t’apprendra pas à développer tous les algorithmes présentés. Il ne constitue pas non plus un cours universitaire complet d’informatique théorique, de structures de données, de machine learning ou de mathématiques appliquées.

Son objectif est de fournir les mécanismes essentiels permettant de comprendre ce qu’est un algorithme, comment il traite et classe l’information, pourquoi les plateformes utilisent des systèmes de recommandation et comment des décisions apparemment purement techniques peuvent dépendre de choix humains, économiques et sociaux.