Régression
Aussi appelé : analyse de régression · régression linéaire · modèle de régression · prédiction numérique
Mis à jour le
La régression est une technique d'IA consistant à prédire une valeur numérique continue (un nombre) à partir de l'analyse de relations entre différentes variables.
📖 Définition
💬 En termes simples
Pensez à un évaluateur immobilier agréé au Québec qui estime la valeur d'une propriété en tenant compte de sa superficie, de son emplacement et de l'état du marché local. La régression fonctionne selon le même principe : elle analyse les relations entre plusieurs facteurs pour produire une estimation chiffrée, mais de manière automatisée sur des milliers de propriétés.
🎯 Exemple concret
La Société d'habitation du Québec utilise la régression pour prévoir l'évolution des loyers par région. Un réseau de cliniques déploie un modèle pour prédire la durée de séjour hospitalier. Hydro-Québec affine ses modèles pour prédire la demande énergétique horaire en fonction de la météo et des habitudes de consommation.
💡 Le saviez-vous ?
La régression linéaire a été développée au début du 19e siècle par Legendre et Gauss, bien avant les ordinateurs. Malgré l'essor des réseaux de neurones profonds, la régression linéaire reste l'un des algorithmes les plus utilisés en entreprise en 2026 grâce à sa simplicité et sa transparence.
❓ Questions fréquentes
Quelle est la différence entre la régression et la classification ?
Comment une entreprise peut-elle utiliser la régression ?
Quelles sont les limites de ces prédictions ?
📚 Sources
- IBM - Linear Regression (IBM, 2024)
- Wikipedia - Régression (statistiques) (Wikipedia, 2024)
🔗 Termes liés
🏷️ Catégorie parente