Toutes les données ne se prêtent pas à une représentation sous forme de grille. Les réseaux sociaux, les molécules et les cartes routières sont des graphes, composés de nœuds et d'arêtes plutôt que de pixels ou de séquences. Les réseaux neuronaux graphiques opèrent directement sur cette structure, en faisant circuler des messages entre les nœuds connectés pour apprendre des représentations.

L'opération principale repose sur la transmission de messages. Chaque nœud agrège les informations de ses voisins, met à jour sa propre représentation et répète ce processus pendant plusieurs cycles. Après un nombre suffisant de couches, chaque nœud encode les informations provenant de son voisinage immédiat.

tâches graphiques courantes

• Classification des nœuds
• Prédiction des liens
• Classification de graphes
• Recommandation de connexions
• Prédiction des propriétés moléculaires

La mise à l'échelle représente un défi. Les grands graphes comportent des millions de nœuds et d'arêtes, et l'entraînement par lots complets ne tient pas en mémoire. Les techniques d'échantillonnage et les méthodes par mini-lots rendent l'entraînement possible, au prix d'une légère perte de précision.