L'apprentissage supervisé est la branche du machine learning où un modèle apprend à partir d'exemples étiquetés — paires entrée-sortie avec la bonne réponse fournie — pour faire des prédictions sur de nouvelles données. Les deux tâches principales sont la classification (prédire des catégories) et la régression (prédire des valeurs continues). C'est le paradigme ML le plus utilisé : scoring de crédit, prévision de la demande, diagnostic médical en dépendent.