Introduction
L’intelligence artificielle est le domaine qui construit des systèmes informatiques capables de tâches dont on dirait qu’elles demandent de l’intelligence : reconnaître images et paroles, comprendre le langage, prendre des décisions et apprendre de l’expérience.
La plupart de l’IA utilisée aujourd’hui est « étroite » : très bonne pour une tâche, comme traduire un texte ou repérer des tumeurs sur des images, et incapable de faire autre chose. Une IA « générale » égalant les humains dans toutes les tâches reste un objectif et un débat, pas un produit. Une grande partie de l’IA moderne relève de l’apprentissage automatique, où les systèmes apprennent des motifs à partir de données au lieu de suivre des règles écrites à la main.
L’IA est un logiciel qui accomplit des tâches que l’on associe à l’intelligence. Le terme date de 1956. Aujourd’hui, presque toute l’IA pratique est étroite et construite par apprentissage automatique, surtout des réseaux de neurones profonds, tandis qu’une IA « générale » de niveau humain n’existe pas encore.
Par What’s Your IQ · Revu le 4 oct. 2026 · 6 sources- Terme inventé
- 1955-56, John McCarthy
- Événement fondateur
- Atelier de Dartmouth, 1956
- Méthode principale aujourd’hui
- Apprentissage profond
- Grands hivers
- 1974-80 et 1987-93
- IA générale
- Pas encore atteinte
IA, apprentissage automatique, apprentissage profond et IA générative
Elles sont imbriquées, pas rivales. L’apprentissage automatique est une façon de faire de l’IA ; l’apprentissage profond est un type d’apprentissage automatique ; l’IA générative est un usage de l’apprentissage profond. Un programme d’échecs de 1997 est de l’IA mais pas de l’apprentissage automatique ; ChatGPT est les quatre à la fois.
IA
Histoire : étés et hivers
L’IA a avancé par cycles : des poussées d’optimisme et de financement (« étés ») suivies de déceptions et de coupes (« hivers »). Choisissez une période.
Concepts clés : un problème, cinq approches
Prenez une tâche, filtrer les spams, et voyez comment chaque grande approche de l’IA s’y prendrait.
IF subject contains 'WIN' AND sender unknown THEN spamIF body contains 'unsubscribe' AND link count > 10 THEN spam→ Les spammeurs écrivent 'W1N' et passent.
Une journée avec une IA que vous n’avez pas remarquée
La plupart de l’IA est invisible. Parcourez une journée ordinaire pour voir où elle apparaît et quelle branche du domaine la fait fonctionner.
Repérez l’erreur assurée
L’IA générative écrit un texte fluide et assuré, qu’il soit vrai ou non. À chaque manche, deux affirmations sont exactes et une est le genre de chose qu’un modèle pourrait inventer. Trouvez-la.
Les termes clés, définis
- Intelligence artificielle
- Le domaine qui construit des systèmes informatiques accomplissant des tâches qui demandent normalement l’intelligence humaine.
- IA étroite
- Un système conçu pour une tâche ou un petit éventail de tâches. Presque toute l’IA actuelle.
- Intelligence artificielle générale (IAG)
- Un système hypothétique égalant les humains dans la plupart des tâches cognitives.
- Modèle
- L’ensemble de nombres appris (paramètres) qui transforme les entrées en sorties.
- Données d’entraînement
- Les exemples dont apprend un système d’apprentissage automatique.
- Réseau de neurones
- Des couches d’unités simples connectées, dont les poids de connexion sont ajustés pendant l’entraînement.
- Grand modèle de langage (LLM)
- Un très grand réseau de neurones entraîné à prédire du texte, qui peut ensuite générer et résumer du langage.
- Hallucination
- Quand un modèle génératif affirme une chose fausse comme si elle était vraie.
Lectures et pratique
Sources
- McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth summer research project on artificial intelligence.
- Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460.
- Lighthill, J. (1973). Artificial intelligence: A general survey. Science Research Council.
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25.
- Silver, D., et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529, 484-489.
- Vaswani, A., et al. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30.