L'apprentissage profond, ou deep learning, est une branche de l'intelligence artificielle qui repose sur l'utilisation de réseaux de neurones artificiels multicouches inspirés du fonctionnement du cerveau humain. Ces réseaux sont constitués de couches successives (d'entrée, cachées, et de sortie) où chaque neurone transforme les données en appliquant des opérations mathématiques et transmet les résultats aux neurones des couches suivantes.
Grâce à cette architecture profonde, l'apprentissage profond est capable d'extraire automatiquement des caractéristiques complexes et pertinentes à partir de grandes quantités de données non structurées, telles que des images, des vidéos, du texte ou des signaux sonores. Il est particulièrement efficace pour des tâches complexes comme la reconnaissance d'images, la traduction automatique, la détection de fraude ou la conduite autonome, mais il nécessite une puissance de calcul importante et des données massives pour entraîner ses modèles.