Ce volume est le résultat d’une série de trois cours sur la théorie statistique de l’apprentissage données à l’Institut Henri Poincaré sous l’égide de la Société Mathématique de France. Le chapitre de présentation propose un survol de l’histoire de la théorie statistique de l’apprentissage, de ses racines, de ses outils mathématiques et des questions qui la constituent. Le chapitre « Algorithms for minimally supervised learning » par Sanjoy Dasgupta décrit les progrès de l’informatique théorique sur les questions d’apprentissage non supervisé (clustering) et sur l’apprentissage dit actif. De façon assez surprenante, ces progrès sont dus en grande partie à la confrontation de la théorie de la concentration de la mesure, de la théorie de la complexité et des pratiques établies en statistique numérique.

Le chapitre « Online prediction » par Peter Bartlett porte sur l’apprentissage en ligne. Il s’agit d’une confrontation entre statistique, théorie des jeux et optimisation.