Numérique · Intelligence artificielle
Intelligence artificielle
L’intelligence artificielle (IA) conçoit des systèmes capables d’accomplir des tâches associées à l’intelligence humaine : reconnaître des images, comprendre le langage, prévoir.
Mis à jour le 6 min de lecture
L'intelligence artificielle n’est pas une technologie unique mais un champ de recherche né en 1956, qui regroupe des méthodes très différentes : règles logiques écrites à la main, statistiques, réseaux de neurones. Depuis le début des années 2010, l’essentiel des progrès vient de l'apprentissage automatique, où le système apprend à partir d’exemples au lieu d’être programmé règle par règle. Depuis 2022, l'IA générative (production de textes, d’images, de code) l’a rendue accessible au grand public.
Les grandes familles d’IA
IA symbolique et IA connexionniste
| IA symbolique | IA connexionniste (apprentissage) | |
|---|---|---|
| Principe | Représenter explicitement les connaissances (faits, règles) et raisonner dessus | Apprendre des régularités à partir de grandes quantités de données |
| Exemples | Systèmes experts, moteurs de règles, graphes de connaissances, planification | Reconnaissance d’images, traduction, assistants conversationnels |
| Forces | Explicable, contrôlable, fiable sur un domaine bien défini | Gère le flou, la perception, le langage naturel |
| Faiblesses | Coûteuse à construire, rigide face à l’imprévu | Opaque, gourmande en données et en calcul, peut se tromper avec assurance |
| Âge d’or | 1960-1990 | Depuis 2012 |
Les systèmes actuels combinent souvent les deux : un modèle de langage qui interroge une base de connaissance ou appelle des outils de calcul.
IA faible, IA forte, IA générale
- IA faible (ou étroite) : spécialisée dans une tâche ou une famille de tâches. Toutes les IA existantes en relèvent, y compris les plus polyvalentes.
- IA générale (AGI, artificial general intelligence) : système hypothétique capable d’égaler l’humain dans la plupart des tâches cognitives. Sa faisabilité et son horizon font l’objet de désaccords profonds entre chercheurs.
- IA forte : au sens philosophique, une machine dotée d’un véritable esprit ou d’une conscience. Aucune IA actuelle n’en a, et la question de savoir si c’est possible reste ouverte.
IA prédictive et IA générative
- IA prédictive (ou discriminante) : classe ou prévoit (détecter une fraude, estimer un prix, repérer une tumeur sur une image).
- IA générative : produit un contenu nouveau (texte, image, son, vidéo, code) à partir d’une consigne. Elle repose sur les grands modèles de langage et les modèles de diffusion pour l’image.
Comment fonctionne une IA moderne
L’essentiel des systèmes actuels suit le schéma de l'apprentissage automatique :
- Des données : exemples annotés (images étiquetées « chat » ou « chien ») ou non (des milliards de pages de texte).
- Un modèle : une fonction mathématique à très nombreux paramètres, le plus souvent un réseau de neurones.
- L’entraînement : un algorithme ajuste les paramètres pour réduire l’écart entre les réponses du modèle et les réponses attendues, sur des milliards d’itérations, à l’aide de processeurs graphiques (GPU).
- L’inférence : le modèle entraîné est utilisé sur de nouvelles données.
Un modèle ne « comprend » pas au sens humain : il a appris des régularités statistiques très riches. C’est ce qui explique à la fois ses performances et ses erreurs.
Histoire de l’intelligence artificielle
| Date | Événement |
|---|---|
| 1943 | Warren McCulloch et Walter Pitts proposent un modèle mathématique du neurone |
| 1950 | Alan Turing publie « Computing Machinery and Intelligence » et propose le jeu de l’imitation (test de Turing) |
| 1956 | Conférence de Dartmouth (John McCarthy, Marvin Minsky, Claude Shannon, Nathaniel Rochester) : naissance du terme artificial intelligence |
| 1957-1958 | Frank Rosenblatt conçoit le perceptron |
| 1966 | ELIZA, programme conversationnel de Joseph Weizenbaum |
| 1969 | Minsky et Papert publient Perceptrons, qui souligne les limites des réseaux à une couche |
| Années 1970 | Premier « hiver de l’IA » : promesses déçues, crédits réduits |
| Années 1980 | Essor des systèmes experts ; diffusion de la rétropropagation du gradient (1986) |
| Fin des années 1980 - années 1990 | Second hiver de l’IA |
| 1997 | Deep Blue (IBM) bat le champion du monde d’échecs Garry Kasparov |
| 2011 | Watson (IBM) gagne au jeu télévisé Jeopardy! |
| 2012 | AlexNet remporte le concours ImageNet : début de l’essor de l’apprentissage profond |
| 2016 | AlphaGo (DeepMind) bat Lee Sedol au jeu de go |
| 2017 | Article « Attention Is All You Need » : architecture Transformer |
| 2018 | Prix Turing décerné à Yoshua Bengio, Geoffrey Hinton et Yann LeCun pour l’apprentissage profond |
| 2020 | AlphaFold 2 prédit la structure des protéines avec une précision inédite |
| 30 novembre 2022 | Lancement public de ChatGPT (OpenAI) |
| 2024 | Prix Nobel de physique (Hopfield, Hinton) et de chimie (Baker, Hassabis, Jumper) liés à l’IA ; entrée en vigueur de l’AI Act européen |
Pour le contexte plus large, voir l'histoire de l’informatique.
Les usages de l’IA
- Langage : traduction, résumé, rédaction, assistants conversationnels, transcription de la parole.
- Vision : reconnaissance faciale, lecture automatique de documents, contrôle qualité industriel, imagerie médicale.
- Recommandation : contenus des plateformes vidéo et musicales, produits en ligne, fils d’actualité.
- Prévision : demande d’électricité, maintenance prédictive, météo.
- Science : structure des protéines, découverte de matériaux, analyse de données astronomiques.
- Programmation : complétion et génération de code.
- Robotique et véhicules : aide à la conduite, logistique d’entrepôt.
Limites et risques
- Erreurs et « hallucinations » : un modèle génératif peut produire une information fausse mais plausible, avec le même aplomb qu’une information vraie. Toute réponse factuelle doit être vérifiée.
- Biais : un modèle reproduit, voire amplifie, les biais présents dans ses données (sous-représentation de certains groupes, stéréotypes). Voir aussi les biais cognitifs humains, qui se retrouvent dans les données.
- Opacité : il est difficile d’expliquer pourquoi un réseau de neurones donne une réponse précise.
- Données personnelles et droit d’auteur : questions sur les données d’entraînement et sur ce que l’on transmet à un service d’IA (voir RGPD).
- Désinformation : images, voix et vidéos synthétiques réalistes (hypertrucages ou deepfakes).
- Coût énergétique et environnemental : l’entraînement et surtout l’usage massif des grands modèles consomment beaucoup d’électricité et d’eau pour le refroidissement des centres de données.
- Effets sur le travail : automatisation de certaines tâches, transformation de nombreux métiers ; l’ampleur réelle reste débattue.
La régulation : l’AI Act européen
Le règlement européen sur l’intelligence artificielle (règlement (UE) 2024/1689, dit AI Act) est entré en vigueur le 1er août 2024. Il classe les systèmes selon leur niveau de risque :
| Niveau de risque | Exemples | Régime |
|---|---|---|
| Inacceptable | Notation sociale des citoyens, manipulation exploitant les vulnérabilités, certaines identifications biométriques en temps réel | Interdit (depuis le 2 février 2025) |
| Élevé | IA utilisée pour le recrutement, l’accès au crédit, l’éducation, certains dispositifs médicaux | Obligations strictes : gestion des risques, qualité des données, documentation, contrôle humain |
| Transparence | Assistants conversationnels, contenus générés (hypertrucages) | Informer qu’on interagit avec une IA ou qu’un contenu est artificiel |
| Minimal | Filtres anti-spam, IA dans les jeux vidéo | Pas d’obligation spécifique |
Les obligations des fournisseurs de modèles d’IA à usage général s’appliquent depuis le 2 août 2025. L’application des règles relatives aux systèmes à haut risque a été repoussée en 2026 par une révision dite « omnibus numérique », vers fin 2027 et 2028 selon les catégories. En France, la CNIL publie des recommandations sur l’IA et les données personnelles.
Questions fréquentes
Qui a inventé l’intelligence artificielle ?
Personne seul. Alan Turing a posé la question des machines pensantes en 1950 ; John McCarthy a forgé l’expression artificial intelligence en préparant la conférence de Dartmouth de 1956, considérée comme l’acte de naissance du domaine.
L’IA est-elle intelligente ?
Elle accomplit des tâches qui demandent de l’intelligence chez l’humain, parfois mieux que lui, mais sans conscience, sans intentions propres et avec des erreurs qu’aucun humain compétent ne ferait. Le mot « intelligence » est discuté depuis l’origine du domaine.
Quelle différence entre IA, apprentissage automatique et apprentissage profond ?
Ce sont des ensembles emboîtés : l’apprentissage automatique est une branche de l’IA, et l’apprentissage profond (deep learning, réseaux de neurones à nombreuses couches) une branche de l’apprentissage automatique.
Une IA peut-elle remplacer un moteur de recherche ?
Elle peut synthétiser une réponse, mais sans garantie d’exactitude si elle ne cite pas de sources vérifiables. Pour une information factuelle importante, il faut remonter à la source.
Comment utiliser l’IA de façon responsable ?
Vérifier les faits, ne pas confier de données personnelles ou confidentielles à un service non validé, signaler l’usage de l’IA quand c’est attendu, et garder la décision finale humaine pour les sujets importants.