@Jean Dugenêt
Vous avez raison, la tâche consistant à former un réseau de neurones est très complexe et fait appel à beaucoup d’écriture de code. Il faut manipuler des tonnes de données (sorties connues pour des entrées connues). Parfois, on automatise la génération de ces données (quand une machine joue contre elle-même ou que les lois de la physique peuvent calculer directement la validité de la réponse du réseau : l’action sur les « muscles » prédite par le réseau neuronal va faire tomber l’humain simulé).
Le code des librairies (tensorflow, etc...) permettent de faciliter la manipulation des réseaux neuronaux lors de l’apprentissage, de le faire converger si on lui fournit les entrées et les sorties et de le manipuler lors de son fonctionnement comme un objet final. Mais à aucun moment, les librairies ne fournissent les entrées et les sorties de votre problème. C’est vous, en tant que spécialiste de l’IA qui allez devoir les récupérer, les trier, les agréger, les faire générer par un programme faisant appel aux lois de la physique, et les homogénéiser pour les faire ingurgiter par le réseau neuronal.
Il y a déjà des données d’exemple dans les librairies, mais c’est pour s’initier au fonctionnement des librairies et comprendre les différentes étapes.

Et, je l’ai dit plus bas, une fois tout ce code utilisé pour générer le réseau neuronal, le réseau formé devient autonome et n’a plus besoin de ce code pour fournir une réponse à partir d’une entrée. Le réseau formé n’est pas du code, c’est une boite noire, un ensemble de neurones reliés et on n’y touche plus. Mais comme je l’ai aussi écrit sur d’autres posts, même lorsqu’un réseau est autonome, il a besoin d’entrées avec un format précis (il y a donc une partie code en amont) et il y a souvent du code en sortie pour décoder la réponse et faire les actions nécessaires.

Quand je dis autonome, il faut évidemment faire beaucoup de calculs pour simuler les neurones et leurs connexions figées. Et les bibliothèques sont là également pour ça : faire tourner le réseau neuronal formé. On prend les signaux en entrée, on fait des tas de multiplications et d’additions pour chacune des connexions et on calcule la propagation des entrées jusque vers la sortie qui donne la réponse. Mais ce code est un peu un jeu d’enfant par rapport au code de convergence (qui lui est écrit une fois pour toute selon le mode de convergence choisi : donc fourni par les bibliothèques) et au code de récupération et de manipulation des données d’entrées et de sorties pendant la phase d’apprentissage (totalement spécifique à chaque problème : c’est l’essentiel du travail en IA).