Référentiel B — capacité IA
AlexNet
Architecture
Réseau de neurones convolutif profond (8 couches), entraîné sur GPU
Capacités clés
- Classification d'images à grande échelle (1000 catégories, ImageNet)
- Démonstration de l'efficacité de l'apprentissage profond convolutif entraîné sur GPU
- Popularisation des techniques de régularisation (dropout) et d'activation ReLU à grande échelle
Usages documentés par secteur
IndustrieTRL 4 / 9
AlexNet a été validé sur le benchmark ImageNet au concours ILSVRC du 30 septembre 2012 (taux d'erreur top-5 de 15,3 %). La source ne documente aucun déploiement industriel : le TRL 9 précédemment déclaré était celui de ses successeurs, pas le sien.
Classification d'images validée sur le benchmark ImageNet au concours ILSVRC 2012, à l'origine des systèmes de vision par ordinateur industriels ultérieurs
- Taux d'erreur top-5 de 15,3 % au concours ImageNet du 30 septembre 2012, plus de 10,8 points devant le second
- Architectures ultérieures que la source rattache à son influence : GoogLeNet, VGGNet, Highway networks, ResNet
Sources de cet usage
- 1.AlexNet — Wikipedia (EN)secondaire
RechercheTRL non déterminableDiffusion historique
Architecture de référence ayant déclenché la vague de recherche en apprentissage profond après sa victoire au concours ImageNet 2012
- Architecture ayant « influencé un grand nombre de travaux ultérieurs en apprentissage profond », selon la source
- Ligne de recherche ultérieure visant à reproduire ses performances à moindre coût : SqueezeNet, MobileNet, EfficientNet
Sources de cet usage
- 1.AlexNet — Wikipedia (EN)secondaire
Limites connues
La source ne compare AlexNet à aucune architecture ultérieure, ni en précision ni en efficacité : elle mentionne les réseaux plus profonds qui l'ont suivi (GoogLeNet, VGGNet, ResNet) et ceux conçus pour l'efficacité (SqueezeNet, MobileNet, EfficientNet), ainsi qu'une ligne de recherche visant à reproduire ses performances à moindre coût. Sa consommation mémoire et son inadaptation à l'inférence embarquée, souvent avancées, ne sont attestées par aucune source de la fiche.
Débats documentés
Appuis explicites (1)
Une fiche nomme l'autre dans sa thèse centrale ou son apport : elle s'y adosse.
- Réseaux de neurones artificiels / deep learningappui explicite
À l'origine de la percée de l'IA contemporaine (reconnaissance d'image dès 2012 avec AlexNet, traduction automatique, génération de texte et d'image) ;
Repose sur la même source (1)
Ces fiches citent au moins une source identique : si elles s'accordent, cet accord ne vaut pas confirmation indépendante.
- Réseaux de neurones artificiels / deep learningrepose sur la même source
Les deux fiches citent « AlexNet — Wikipedia (EN) ».
Sources
Analyses de gap citant cette fiche
Fiches connexes — Génératif / raisonnement
Données brutes de cette fiche : /api/fiches/alexnet — voir la méthodologie.