@pemile
Les réseaux de neurones qu’on peut tester facilement sur son ordinateur sont des simulations de neurones. Donc on doit programmer leur existence (ils ne sont pas intégrés dans une puce, ce qu’on sait faire par ailleurs). Dans l’exemple que vous citez, les données d’apprentissages sont incluses dans la bibliothèque « mnist ». Comme le dit l’auteur de la page :
Si jusqu’ici tout se passe bien, tu peux tester sur le data set MNIST
Plus loin dans le programme d’apprentissage
from keras.datasets import mnist

Donc il n’a donné que l’exemple que tout le monde peut faire en débutant sans s’attaquer au réel problème de fond qu’un spécialiste de l’IA devra réaliser : alimenter son réseau avec des données propres au problème à résoudre (et pas uniquement décoder les chiffres écrits à la main, numérisés, puis stockés dans la bibliothèque mnist de kera.datasets que tout le monde télécharge avec la bibliothèque kera pour s’initier).

Tout le code programme expliqué ne fait que construire un réseau neuronal (en fixant ses poids par convergence, programme complexe mais également dans la bibliothèque). Et il faut également écrire du code pour le tester : lui donner d’autres chiffres manuscrits et voir la réponse qu’il nous donne en simulant (les neurones et leurs liaisons figées) à l’aide de la bibliothèque.
Mais le réseau neuronal final est une boite noire, ce n’est pas du code, il n’a pas été formé directement par un humain (mais par son jeu de tests et par le programme de convergence) et cette boite noire n’est pas lisible. Cette boite noire donne des réponses normalisées (valeur entière de 0 à 9 correspondant au chiffre, dans l’exemple, je crois) à partir d’entrées normalisées (dans l’exemple une image numérisée d’un chiffre manuscrit avec une définition très précise en nombre de pixels, toujours la même).

Et personne ne s’intéresse à la manière dont le réseau neuronal fait cette correspondance (ni ne peut comprendre pour les réseaux de 100.000 neurones). On s’intéresse juste à la validité de la réponse.