TANH (tangente hyperbolique) est une fonction mathématique qui transforme n'importe quel nombre en une valeur comprise entre -1 et 1. Si tu travailles en data science, en physique ou en ingénierie, tu vas la croiser régulièrement : elle est particulièrement utilisée dans les réseaux de neurones comme fonction d'activation et pour modéliser des phénomènes de saturation.
Contrairement aux fonctions trigonométriques classiques, les fonctions hyperboliques comme TANH sont basées sur les exponentielles. Elle normalise des données très étalées, modélise des courbes en S, et crée des transitions douces entre deux états limites.
Syntaxe de la fonction TANH
=TANH(nombre)TANH sature très rapidement : pour |x| >= 3, le résultat est déjà très proche de ±1 (à moins de 1 % des limites). Si tes données vont au-delà de cette plage, pense à diviser par un facteur d'échelle avant d'appliquer la fonction.
Comprendre chaque paramètre de la fonction TANH
nombre
: la valeur numérique pour laquelle tu veux calculer la tangente hyperboliqueÇa peut être un nombre positif ou négatif, une référence de cellule comme A1, ou le résultat d'un calcul. La fonction accepte toutes les valeurs numériques de -∞ à +∞.
Quelques valeurs de référence : TANH(0) = 0, TANH(1) ≈ 0,762, TANH(2) ≈ 0,964, TANH(3) ≈ 0,995. La fonction est impaire : TANH(-x) = -TANH(x).
Astuce : Tu peux vérifier l'identité mathématique directement dans Excel : =TANH(2) donne le même résultat que =SINH(2)/COSH(2). C'est utile pour décomposer des calculs complexes.
Exemples pratiques pas à pas
Data scientist : normaliser des features pour un modèle
Tu es data scientist et tu prépares des données pour entraîner un réseau de neurones. Tu dois normaliser des features qui ont des valeurs très variables (de -100 à +100) pour les ramener dans l'intervalle [-1, 1]. Une simple division ne suffit pas si certaines valeurs sont très extrêmes.
| A | B | C | |
|---|---|---|---|
| 1 | Feature brute | Feature normalisée | Formule |
| 2 | -50 | -1,000 | =TANH(-50) |
| 3 | -2 | -0,964 | =TANH(-2) |
| 4 | 0 | 0,000 | =TANH(0) |
| 5 | 2 | 0,964 | =TANH(2) |
| 6 | 50 | 1,000 | =TANH(50) |
=TANH(A2)La fonction transforme automatiquement n'importe quelle valeur en un nombre compris entre -1 et 1. Cette normalisation est idéale pour les réseaux de neurones car elle centre les données autour de zéro, ce qui accélère la convergence pendant l'entraînement.
Astuce de pro : La dérivée de TANH est 1 - TANH(x)², que tu calcules dans Excel avec =1-TANH(A1)^2. C'est très utile en machine learning pour calculer le gradient lors de la rétropropagation.
Physicien : modéliser la magnétisation d'un matériau
Tu es physicien et tu modélises la magnétisation d'un matériau ferromagnétique. La magnétisation sature à des valeurs limites quand le champ magnétique devient très fort, ce qui se modélise bien avec TANH.
| A | B | C | |
|---|---|---|---|
| 1 | Champ H (A/m) | Magnétisation M | Formule |
| 2 | 0 | 0,00 | =TANH(0/1000) |
| 3 | 500 | 0,46 | =TANH(500/1000) |
| 4 | 1000 | 0,76 | =TANH(1000/1000) |
| 5 | 2000 | 0,96 | =TANH(2000/1000) |
| 6 | 5000 | 0,99 | =TANH(5000/1000) |
=TANH(A2/1000)Ici, le paramètre 1000 est un facteur d'échelle qui contrôle la vitesse de saturation. Le comportement asymptotique de TANH modélise parfaitement les phénomènes physiques qui saturent (la réponse augmente linéairement pour les faibles valeurs, puis ralentit et sature vers une limite maximale).
Ingénieur : commande de moteur avec saturation progressive
Tu es ingénieur en automatique et tu conçois un contrôleur pour un moteur. Tu veux limiter la commande de sortie entre -10 V et +10 V tout en ayant une transition douce, sans coupure brutale.
| A | B | C | |
|---|---|---|---|
| 1 | Erreur | Commande brute | Commande saturée |
| 2 | -5 | -25 | -9,99 V |
| 3 | -2 | -10 | -9,64 V |
| 4 | 0 | 0 | 0,00 V |
| 5 | 2 | 10 | 9,64 V |
| 6 | 5 | 25 | 9,99 V |
=10*TANH(B2/10)La formule borne la sortie entre -10 et +10 avec une saturation progressive. Cette approche est bien meilleure qu'une simple limitation MIN/MAX car TANH assure une transition continue, ce qui évite les à-coups et les oscillations dans le système.
Statisticien : compresser les outliers pour stabiliser la variance
Tu es statisticien et tu analyses des données avec des outliers extrêmes qui faussent tes statistiques. Tu appliques une transformation TANH pour « comprimer » les valeurs extrêmes tout en préservant l'ordre.
| A | B | C | |
|---|---|---|---|
| 1 | Valeur brute | Valeur transformée | Interprétation |
| 2 | 1 | 0,76 | Normale |
| 3 | 2 | 0,96 | Normale |
| 4 | 10 | 1,00 | Outlier compressé |
| 5 | 100 | 1,00 | Outlier compressé |
| 6 | 1000 | 1,00 | Outlier compressé |
=TANH(A2)Les outliers extrêmes (10, 100, 1000) sont tous ramenés près de 1, réduisant leur impact sur les moyennes et les modèles. La fonction est parfaite pour cette transformation car elle préserve le signe (positif/négatif) et l'ordre des valeurs, tout en compressant les extrêmes de manière symétrique.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction TANH
Le faux pas qui revient le plus, c'est de taper TAN à la place de TANH : la trigonométrique grimpe à l'infini et explose près de ses asymptotes, alors que tu attendais une valeur sage entre -1 et 1. Le deuxième classique est plus discret : =TANH qui renvoie 1 partout parce que tes données dépassent 3 ou 4 et que la fonction sature, signe qu'il te manque un facteur d'échelle.
Et si tu reviens en arrière avec ATANH, gare au #NOMBRE! dès que tu lui passes exactement 1, -1 ou au-delà : l'inverse n'est défini que sur l'intervalle ouvert ]-1, 1[.
Confusion entre TANH et TAN
L'erreur la plus fréquente est de confondre TANH (tangente hyperbolique) avec TAN (tangente trigonométrique). TAN a des asymptotes et peut donner des valeurs très grandes, voire des erreurs de division, tandis que TANH est toujours bornée entre -1 et 1.
Solution : Souviens-toi que TANH est utilisée pour la normalisation et la saturation (valeurs bornées entre -1 et 1), tandis que TAN est utilisée pour les angles et les rotations. Si tu as besoin d'une valeur entre -1 et 1, c'est TANH qu'il te faut.
TANH renvoie toujours 1 (ou -1) sur tes données
TANH sature très rapidement. Si tu utilises =TANH(valeur) directement sur des valeurs entre 0 et 100, tu obtiendras presque toujours 1. Le facteur d'échelle est oublié.
Solution : Utilise =TANH(valeur/facteur) où le facteur est choisi selon ta plage de données. Par exemple, =TANH(A1/50) si tes valeurs vont de 0 à 100. Le facteur détermine à quelle vitesse la courbe sature.
Erreur #NOMBRE! en inversant TANH avec ATANH
ATANH (la fonction inverse de TANH) n'est pas définie pour des valeurs en dehors de l'intervalle strict ]-1, 1[. Si tu passes une valeur de 1, -1 ou en dehors, tu obtiens #NOMBRE!.
Solution : Vérifie toujours que tes valeurs sont strictement comprises entre -1 et 1 avant d'appliquer ATANH. Ajoute une vérification : =SI(ABS(A1)<1; ATANH(A1); "Erreur").
TANH vs SINH vs COSH vs ATANH
Prends TANH dès que tu veux une sortie bornée et centrée en zéro : c'est la seule des quatre qui reste coincée dans ]-1, 1[, d'où son rôle de normalisation et de fonction d'activation en machine learning. Si au contraire tu as besoin que la valeur s'envole sans plafond, regarde vers SINH (qui passe par 0) ou COSH (qui ne descend jamais sous 1).
ATANH n'est pas une alternative mais le chemin retour : tu l'utilises uniquement pour retrouver l'entrée à partir d'un résultat de TANH.
| Critère | TANH | SINH | COSH | ATANH |
|---|---|---|---|---|
| Formule | (e^x - e^(-x)) / (e^x + e^(-x)) | (e^x - e^(-x)) / 2 | (e^x + e^(-x)) / 2 | ln((1+x)/(1-x)) / 2 |
| Plage de sortie | ]-1, 1[ | ]-infini, +infini[ | [1, +infini[ | ]-infini, +infini[ |
| Valeur en 0 | 0 | 0 | 1 | 0 |
| Valeur en 1 | 0,762 | 1,175 | 1,543 | +infini |
| Usage principal | Normalisation, machine learning | Physique, équations | Géométrie, physique | Inverse de TANH |
| Bornée ? | Oui, entre -1 et 1 | Non | Partiellement (min = 1) | Non |
Astuces avancées avec TANH
Calcule la dérivée de TANH pour la rétropropagation
La dérivée de TANH en un point x vaut 1 - TANH(x)². Dans Excel, tu l'obtiens avec =1-TANH(A1)^2. C'est la formule utilisée dans les algorithmes de rétropropagation (backpropagation) pour entraîner des réseaux de neurones : à chaque neurone, le gradient de l'erreur est multiplié par cette dérivée.
Si TANH(x) = 0,762 (pour x = 1), la dérivée vaut 1 - 0,762² = 0,419, ce qui indique comment ajuster les poids du réseau.
Relie TANH à la sigmoïde avec une formule simple
TANH et la sigmoïde sont deux fonctions d'activation liées par l'identité sigmoïde(x) = (TANH(x/2) + 1) / 2. La sigmoïde donne des valeurs entre 0 et 1, TANH entre -1 et 1. Pour implémenter une sigmoïde dans Excel sans la formule EXP, tu peux donc écrire =(TANH(A1/2)+1)/2.
Choisis TANH quand tes données doivent être centrées en zéro, et la sigmoïde quand tu modélises des probabilités (entre 0 et 1).
Visualise la courbe en S avec un graphique rapide
Pour mieux comprendre TANH, crée un graphique dans Excel : place dans la colonne A des valeurs de -5 à +5 par pas de 0,5 (21 lignes), et dans la colonne B la formule =TANH(A1). Insère un graphique en courbe : tu verras clairement la courbe en forme de S qui tend vers -1 et +1 aux extrémités.
Ce graphique te montre aussi que pour |x| < 0,5, TANH est quasi linéaire (TANH(x) ≈ x avec 98 % de précision), ce qui justifie les approximations courantes dans les calculs rapides.
Questions fréquentes sur la fonction TANH
Quelle est la différence entre TANH et TAN ?
TANH calcule la tangente hyperbolique (fonction hyperbolique) dont les valeurs sont toujours comprises entre -1 et 1. TAN calcule la tangente trigonométrique classique qui peut prendre n'importe quelle valeur de -∞ à +∞ et qui a des asymptotes.
TANH(1) ≈ 0,762 tandis que TAN(1) ≈ 1,557. Si tu as besoin de borner une valeur, c'est TANH. Si tu travailles avec des angles, c'est TAN.
Comment calculer TANH manuellement dans Excel ?
TANH(x) = (e^x - e^(-x)) / (e^x + e^(-x)). Tu peux aussi l'écrire comme =SINH(x)/COSH(x).
Par exemple, =TANH(2) est équivalent à =(EXP(2)-EXP(-2))/(EXP(2)+EXP(-2)) ou =SINH(2)/COSH(2). Ces formules alternatives sont utiles pour vérifier des résultats ou décomposer des calculs plus complexes.
Pourquoi TANH est-elle utilisée en machine learning ?
TANH est une fonction d'activation populaire dans les réseaux de neurones car elle normalise les valeurs entre -1 et 1, ce qui permet une convergence plus rapide que d'autres fonctions. Elle est centrée sur zéro (contrairement à la sigmoïde qui est centrée sur 0,5) et dérivable partout, ce qui facilite l'apprentissage par rétropropagation.
Comment inverser la fonction TANH ?
Utilise la fonction ATANH (arctangente hyperbolique). Si =TANH(2) donne 0,964, alors =ATANH(0,964) retourne environ 2.
Attention : ATANH n'accepte que des valeurs strictement comprises entre -1 et 1 (exclu). Une valeur de 1 ou -1 produit une erreur #NOMBRE!.
TANH peut-elle retourner une erreur ?
TANH retourne rarement une erreur car elle accepte toutes les valeurs numériques. Tu obtiendras #VALEUR! uniquement si tu passes du texte non numérique, ou #NOM? si Excel ne reconnaît pas la fonction (versions très anciennes).
TANH ne produit jamais de débordement car ses valeurs sont bornées entre -1 et 1.
Pour aller plus loin
Bloqué sur une formule Excel ?
Pose ta question à notre assistant Excel IA, il te sort la bonne formule en quelques secondes.
Essayer l'assistant IAGratuit · 10 questions par mois