Tu vois Reblo, une IA c’est un mot un peu impressionnant, mais derrière tu peux très très grossièrement les voir comme des fonctions polynomiales dont les facteurs sont ajustés lors des phases d’entraînement pour associer un résultat particulier à une entrée.
Pour expliciter ce que dit Plume, un réseau de neurones c'est une longue opération.
Entrée 1: "0.5g" qui représente ton taux d'alcool dans le sang.
Entrée 2 : "0.2" qui représente le taux de café.
En sortie : disons tu veux ton pourcentage de chances de rentrer chez toi.
Ensuite tu dis "je voudrais une opération à trois (par ex) étapes (par ex 0.7, 0.9, -0.4).
0.5*0.7*0.9*-0.4 =-0.126
0.2*0.7 *0.9*-0.4 = -0.0504
Ces nombres sont choisis, au départ, au hasard !
Ensuite tu multiplies les 2 résultats et les force entre 0 et 1 avec une fonction mathématique magique (pour avoir un pourcentage).
sigmoid((-0.126*-0.0504)) = 0.50158
Si on varie le taux d'alcool dans le sang (0.8 au lieu de 0.2) le résultat change :
sigmoid((0.8*0.7*0.9*-0.4) * (0.2*0.7 *0.9*-0.4)) = 0.502540
Enfin, la phase d'entrainement. Tu vas lui donner des données d'entrainement :
Alcool = 0, Café = 0, chances d'arriver attendue = 100.
Alcool = 0.5, Café = 0, chances d'arriver attendue = 58.
Alcool = 0.5, Café = 0.2, chances d'arriver attendue = 85.
Il va changer une étape du calcul aléatoirement (0.7 deviendra -0.3 par ex), lancer le calcul avec toutes les données d’entrainement, regarder si changer au pif l'a rapproché du résultat attendu ou non.
Si oui, il conserve le changement et change une autre valeur aléatoirement et regarder s'il est plus proche... etc.
A force de modifier des valeurs au pif et s'autocorriger, le programme va trouver "tout seul" une formule. Oui c'est très con !
Ci dessous tu peux imaginer qu'en "Node 1" on ait le taux d'alcool et "Node 2" le taux de café :

Il faut suivre les flèches. Chaque branche et chaque neurone représente une étape de calcul (les pros parlent de "poids" (w) et "biais" (b)).
Chemin le plus haut : Node 1 * 0.5 * 0.1 * 0.3 * 0.4
Chemin d'en dessous : Node 1 * 0.3 * 0.2 * 0.6 * 0.4
etc, etc.
Autre exemple avec 7 paramètres en entrée, qui vont se multiplier entre eux et donner le prix de la maison en sortie :

Avec des très gros réseaux de neurones c'est très dur de savoir quel est le calcul qu'il fait. Tu as un calcul qui a l'air de marcher mais tu sais pas trop pourquoi. Dans notre exemple on a 3 "étapes" ("paramètres" en fait) mais tu peux en avoir plusieurs milliards.
(Voir "A Neural Network is Just a Glorified Math Equation" où il donne un exemple avec 4 param en entrée).