I. Histoire de l’intelligence artificielle

Lorsque le terme intelligence artificielle apparaît pour la première fois en 1955, son auteur, John McCarthy, jeune chercheur et professeur à Dartmouth College, a en tête une idée relativement simple mais très ambitieuse : créer des machines capables de se comporter comme des êtres intelligents.

Depuis cette date, le développement de l’IA connaît plusieurs phases d’enthousiasme et de ralentissement, souvent appelées les « hivers de l’IA ». On distingue généralement cinq grandes périodes dans l’histoire de l’intelligence artificielle :

Définition institutionnelle

L’Union européenne définit l’intelligence artificielle de la façon suivante :

L’intelligence artificielle désigne la possibilité pour une machine de reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité.

II. Comment l’IA apprend-elle ?

L’apprentissage automatique, ou machine learning, permet à un programme informatique d’effectuer une tâche pour laquelle il n’est pas programmé explicitement : il est programmé pour apprendre à la réaliser.
On fournit au programme un grand nombre de données, à partir desquelles il identifie des régularités et construit un modèle.

Exemple :
Une IA utilise un modèle entraîné sur des milliers d’images étiquetées par des humains. Lorsqu’une nouvelle image est présentée, le modèle analyse différents motifs (oreilles, couleurs, poils…) et classe l’image dans la catégorie correspondante.

L’apprentissage profond, ou deep learning, est une branche avancée du machine learning qui repose sur des réseaux de neurones artificiels inspirés du cerveau humain.
Ces réseaux sont composés de plusieurs couches successives, ce qui leur permet d’analyser des données complexes (images, sons, textes) avec une grande précision.

Exemple :
Pour reconnaître un chat sur une photo, l’IA est entraînée sur des millions d’images. Elle n’apprend pas une règle simple du type « moustaches + oreilles pointues = chat », mais des milliers de petits motifs : textures, contours, ombres, proportions… Elle pourra ainsi reconnaître un chat même sous un angle très différent.

III. L’IA générative

L’IA générative regroupe des modèles capables de créer du contenu nouveau : textes, images, sons, vidéos, code, animations...

Elle ne se contente pas de reconnaître des données existantes : elle produit des contenus qui n’existaient pas auparavant, en apprenant les structures présentes dans d’immenses quantités de données.

Ces modèles sont notamment entraînés à :

• prédire la suite probable d’une séquence (texte, musique, code)
• compléter une image ou en générer une nouvelle
• transformer un contenu (résumer, traduire, reformuler)

L’IA générative apprend par exposition à un très grand nombre d’exemples, puis mobilise cet apprentissage pour produire des contenus cohérents.

IV. Les limites de l’IA

1. Les biais

Un biais est une tendance systématique à favoriser ou défavoriser une idée, un groupe ou un résultat, souvent de manière involontaire.

Exemple :
Un système de recrutement fondé sur l’IA a écarté davantage de candidatures féminines, car il avait été entraîné sur des données historiques où les hommes étaient surreprésentés dans certains métiers.

2. Des connaissances statistiques

Les modèles d’IA sont entraînés sur un volume de données fini. Ils ne possèdent pas de connaissances universelles ni actualisées en permanence.

3. L’impossibilité de citer précisément les sources

Lors de leur entraînement, certains modèles ne conservent pas la trace exacte de l’origine des données utilisées, ce qui rend difficile la citation fiable des sources.

4. L’absence de compréhension pratique

À la question :
« Que peut-on mettre dans une boîte vide pour la rendre plus légère ? »

Une IA générative peut proposer une liste d’objets à mettre dans la boîte.

L’IA fonctionne par associations statistiques : elle ne possède ni perception sensorielle ni compréhension réelle du sens des mots.

5. Les hallucinations

À la question :
« Quel œuf a le meilleur goût entre les œufs de vache et les œufs de poule ? »

L’IA générative peut répondre qu’elle n’a pas de préférence en matière de goût, sans relever l’erreur contenue dans la question.

On parle alors d’hallucinations : des informations sont créées de toutes pièces et peuvent sembler plausibles.

6. L’absence de protection totale des données

Les informations fournies à certaines IA peuvent être consultées par l’entreprise qui les développe, voire exposées en cas de fuite de données.

Cette limite ne concerne pas les IA génératives institutionnelles respectant des cadres stricts de protection.

7. La consommation de ressources

Les systèmes d’IA consomment beaucoup d’énergie : jusqu’à dix fois plus qu’une recherche internet classique.

Ils nécessitent également une importante consommation d’eau, utilisée pour refroidir les infrastructures informatiques sur lesquelles ils reposent.