Les méthodes de plans coupants (\emph{Cutting Planes methods}) sont des

algorithmes d'optimisations bien connus. Nous montrerons que ces méthodes peuvent être

directement utilisées pour l'apprentissage automatique, et non simplement comme

un outil d'optimisation. Plus particulièrement, elles permettent

l'apprentissage de classifieurs parcimonieux disposants de propriétés de

compressions avantageuses. De plus, nous montrerons que de nouveaux algorithmes

d'apprentissages actifs peuvent être facilement dérivés à partir de ces

méthodes.

Plus précisément, nous décrirons un processus générique permettant d'adapter une

large gamme d'algorithmes d'apprentissages passifs pour l'apprentissage actif.

La pertinence de notre approche sera appuyée par des simulations numériques dans

le cadre de problèmes d'apprentissages actifs comme passifs.