L'histoire de l'IA

De la vision à la réalité

L'histoire de l'intelligence artificielle est un voyage fascinant, plein de percées, de revers et de rebondissements inattendus. Ce qui relevait autrefois de la science-fiction fait aujourd'hui partie de notre quotidien. Pour comprendre où nous en sommes aujourd'hui, il vaut la peine de revenir sur les étapes les plus importantes.

Le test de Turing (1950) : En 1950, le mathématicien britannique Alan Turing a publié son célèbre article «Computing Machinery and Intelligence». Il y posait une question provocante : «Les machines peuvent-elles penser ?» Il a proposé une expérience, connue aujourd'hui sous le nom de test de Turing, dans laquelle un être humain communique par messages écrits avec une machine et avec un autre être humain. Si la personne qui pose les questions ne parvient pas à distinguer qui est l'humain et qui est la machine, la machine a réussi le test. Ce test marque la recherche en IA jusqu'à aujourd'hui.

Le terme «Artificial Intelligence» a été officiellement forgé en 1956 lors de la conférence de Dartmouth. Des chercheurs comme John McCarthy, Marvin Minsky et Claude Shannon étaient convaincus que les machines atteindraient l'intelligence humaine en l'espace d'une génération. Cet enthousiasme a donné naissance aux premiers programmes capables de jouer aux échecs, de mener des démonstrations mathématiques ou de simuler des conversations simples.

Les hauts et les bas de la recherche en IA

L'époque des pionniers et le premier hiver de l'IA

Dans les années 1950 et 1960, l'euphorie était grande. Des programmes comme ELIZA (1966) simulaient de simples entretiens thérapeutiques, et la recherche progressait rapidement dans la résolution de problèmes logiques. Mais les promesses initiales étaient trop ambitieuses. Quand il est devenu clair que la véritable intelligence humaine était bien plus complexe que prévu, les gouvernements et les entreprises ont réduit drastiquement leurs financements. Le premier hiver de l'IA (env. 1974–1980) avait commencé : une phase de désillusion et de recherche réduite.

Les systèmes experts et le deuxième hiver de l'IA

Dans les années 1980, l'IA a fait son retour grâce aux systèmes experts. Ces programmes codaient le savoir d'experts humains sous forme de règles («Si symptôme X et Y, alors diagnostic Z»). Les entreprises ont investi des milliards. Mais les systèmes experts étaient coûteux à entretenir, fragiles face à des saisies inattendues et difficiles à mettre à jour. Le deuxième hiver de l'IA (env. 1987–1993) a suivi. Un temps fort des années 1990 : en 1997, Deep Blue d'IBM a battu le champion du monde d'échecs en titre, Garry Kasparov. C'était une étape symbolique, même si Deep Blue s'appuyait davantage sur la puissance de calcul brute que sur l'«intelligence».

Big Data et Deep Learning

Avec Internet, les volumes de données disponibles ont explosé. En 2012, le tournant est arrivé : le réseau neuronal AlexNet a remporté le concours ImageNet avec une avance qui a ébranlé les spécialistes. Le Deep Learning, l'entraînement de réseaux neuronaux profonds, est soudain devenu praticable, grâce à des GPU puissants et à d'énormes jeux de données. En 2016, AlphaGo de Google a battu Lee Sedol, plusieurs fois champion du monde de go. Le go passait pour trop complexe pour les ordinateurs. Cette victoire a fait l'effet d'un choc. En 2017, des chercheurs de Google ont publié l'article «Attention Is All You Need» et présenté l'architecture Transformer, la base de tout ce qui a suivi.

La révolution Transformer et l'IA générative

À partir de 2018, des modèles de langage comme BERT et GPT ont profondément changé le paysage. Selon une estimation d'UBS, ChatGPT (novembre 2022) a atteint environ 100 millions d'utilisateurs actifs en seulement deux mois, ce qui en fait l'une des applications à la croissance la plus rapide de tous les temps. Soudain, tout le monde pouvait «parler» avec une IA. Depuis, le rythme s'est encore accéléré : les modèles multimodaux comprennent à la fois le texte, les images, l'audio et la vidéo. Les agents IA peuvent exécuter des tâches de manière autonome et utiliser des outils, et les modèles de raisonnement (reasoning) «réfléchissent» étape par étape avant de répondre. Aujourd'hui (en 2026), l'IA est présente dans presque tous les domaines professionnels, de la médecine au droit en passant par le développement de logiciels. En 2024, deux prix Nobel ont même récompensé la recherche en IA : en physique, John Hopfield et Geoffrey Hinton pour les bases des réseaux neuronaux ; en chimie, entre autres Demis Hassabis et John Jumper pour la prédiction de structures de protéines avec AlphaFold.

Ce que l'histoire nous apprend

L'histoire de l'IA montre un schéma récurrent : les phases d'attentes exagérées sont suivies de phases de désillusion. Aujourd'hui, nous sommes dans une phase où l'IA tient réellement ses promesses, mais il est important de garder des attentes réalistes. L'IA est un outil puissant, pas une intelligence omnisciente.

Battage médiatique ou réalité : Aujourd'hui encore, l'IA fait l'objet d'un grand battage médiatique. Tout ce qui est vendu comme «basé sur l'IA» ne tient pas forcément ses promesses. Une bonne dose d'esprit critique t'aide à distinguer la véritable innovation des mots à la mode du marketing. Par le passé, des attentes excessives ont conduit à des hivers de l'IA. Le boom actuel de l'IA est toutefois fondamentalement différent : la technologie apporte déjà des bénéfices mesurables dans la pratique, et son développement continue de s'accélérer.

Quel événement de 2012 est considéré comme le tournant du Deep Learning ?

Exactement ! La victoire écrasante d'AlexNet au concours ImageNet 2012 a montré au monde que les réseaux neuronaux profonds étaient utilisables en pratique, et a déclenché la révolution du Deep Learning.

Pas tout à fait. Deep Blue a gagné en 1997, l'architecture Transformer est arrivée en 2017. La percée de 2012 était la victoire d'AlexNet au concours ImageNet, qui a démontré de manière impressionnante les performances du Deep Learning.

Points clés :

La recherche en IA a commencé dans les années 1950 avec les idées visionnaires d'Alan Turing et la conférence de Dartmouth.
Deux «hivers de l'IA» (1974–1980, 1987–1993) sont nés d'attentes excessives et d'espoirs déçus.
La percée d'ImageNet en 2012 et l'architecture Transformer en 2017 ont posé les bases de la révolution actuelle de l'IA.
ChatGPT (2022) a rendu l'IA accessible au grand public et a énormément accéléré son développement.
L'histoire nous apprend que l'esprit critique et des attentes réalistes restent importants aujourd'hui.

Cette leçon fait partie d'un cours avec examen final et certificat. Voir le cours «Fondamentaux de l'IA»