GUIDE D’ÉTUDE · 9 SECTIONS · ENVIRON 12 MIN DE LECTURE

Intelligence artificielle

L’effort pour construire des machines qui perçoivent, raisonnent, apprennent et agissent. Ce guide couvre soixante-dix ans d’essors et d’hivers, les grandes approches des règles écrites à la main aux réseaux de neurones, les usages de l’IA, et les problèmes encore ouverts.

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’INTELLIGENCE ARTIFICIELLE, EN BREF

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.

Intelligence artificielleApprentissage automatiqueApprentissage profondGén
IA
Ce que c’estExempleIAToute technique qui fait agir les machines intelligemmentDeep Blue aux échecs, calculateurs d’itinéraireApprentissage automatiqueApprendre des motifs à partir de données, pas de règles écritesFiltres anti-spam, notation de créditApprentissage profondApprentissage automatique avec des réseaux de neurones à nombreuses couchesReconnaissance faciale, transcription vocaleIA générativeDes modèles profonds qui produisent de nouveaux textes, images ou sonsChatbots, générateurs d’images

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.

La naissance de l’IA1956-74À l’atelier de Dartmouth de 1956, John McCarthy a forgé « intelligence artificielle ». Les premiers programmes démontraient des théorèmes, jouaient aux dames et résolvaient des problèmes d’algèbre, et les chercheurs prédisaient une IA de niveau humain en une génération.

Concepts clés : un problème, cinq approches

Prenez une tâche, filtrer les spams, et voyez comment chaque grande approche de l’IA s’y prendrait.

1950S-80SIA symbolique (règles)Des personnes écrivent des règles et une logique explicites. Le système les suit à la lettre.
Doué pour :transparente, prévisible, sans besoin de donnéesPeine avec :les règles auxquelles on n’a pas pensé ; le désordre du monde réel
FILTRE ANTI-SPAM, DE CETTE FAÇON
IF subject contains 'WIN' AND sender unknown THEN spamIF body contains 'unsubscribe' AND link count > 10 THEN spam→ Les spammeurs écrivent 'W1N' et passent.
SOUS-DOMAINES ET APPLICATIONS

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.

07:00Votre téléphone se déverrouille en voyant votre visageUn réseau de neurones compare l’image de la caméra à une carte mathématique de votre visage, dans le noir et avec des lunettes.
BRANCHE DE L’IAVision par ordinateurInterpréter images et vidéos : visages, objets, imagerie médicale.
DÉFI 1 SUR 5 · HALLUCINATION · MANCHE 1 SUR 3

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.

2Biais et équitéDes systèmes entraînés sur des données historiques peuvent reproduire et amplifier des discriminations, par exemple à l’embauche ou pour les prêts.
3ExplicabilitéLes réseaux profonds sont difficiles à interpréter, ce qui compte quand les décisions touchent la vie des gens.
4Alignement et sûretéS’assurer que des systèmes de plus en plus capables poursuivent les objectifs que nous voulons, pas seulement ceux que nous spécifions.
5Énergie et coûtEntraîner et faire tourner de grands modèles demande une puissance de calcul, un argent et une électricité énormes.

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

POINTS DE DÉPART CLASSIQUES
Artificial Intelligence: A Modern Approach · Stuart Russell & Peter Norvig(1995)Computing Machinery and Intelligence (paper) · Alan Turing(1950)Human Compatible · Stuart Russell(2019)AI: A Guide for Thinking Humans · Melanie Mitchell(2019)

Sources

  1. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth summer research project on artificial intelligence.
  2. Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460.
  3. Lighthill, J. (1973). Artificial intelligence: A general survey. Science Research Council.
  4. Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25.
  5. Silver, D., et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529, 484-489.
  6. Vaswani, A., et al. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30.
Rédigé et vérifié par l’équipe éditoriale de What’s Your IQ d’après les sources ci-dessus. Dernière révision le 4 octobre 2026. Voir nos normes éditoriales.

Les machines apprennent des données. Et vous, comment raisonnez-vous ?

Notre test de QI complet mesure le raisonnement humain dans quatre domaines : 60 questions, environ 30 minutes.

Passer le test de QI complet