L'intelligence artificielle (ou IA pour les intimes) est aujourd'hui omniprésente dans notre quotidien : dans les médias, à la machine à café, pendant les repas de famille, ou même pour les devoirs des enfants. 

 

Les technologies d’intelligence artificielle suscitent des sentiments contradictoires : elles intriguent, fascinent, divisent parfois, et peuvent même inquiéter. Une chose est certaine : elles ne laissent personne indifférent. 

 

On parle souvent de l’IA comme d’une technologie émergente, encore balbutiante. Mais est-ce vraiment le cas ? 

 

 

 

 

Des origines à Deep Blue

 

 

Commençons par rappeler ce qu’est une intelligence artificielle. Voici la définition du Parlement Européen, à la fois large et accessible : 

 

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

 

 

En d’autres termes, l’IA désigne un programme informatique capable, grâce à l’apprentissage, d’imiter ou d’approcher certains comportements humains. 

 

Le concept d’intelligence artificielle prend racine en 1950, lorsque le mathématicien Alan Turing propose le célèbre test éponyme, visant à déterminer si une machine peut imiter le raisonnement humain de façon indiscernable. Ce test marque une étape fondatrice dans la réflexion sur l’IA. 

 

Il faut cependant attendre les années 1990 pour que l’IA capte véritablement l’attention du grand public. En cause : Deep Blue, un superordinateur développé par IBM, conçu pour jouer aux échecs à très haut niveau. 

 

En 1996, Deep Blue affronte Garry Kasparov, champion du monde d’échecs. Kasparov l’emporte 4 à 2. Mais la revanche, organisée l’année suivante, voit l’histoire s’inverser : Deep Blue bat Kasparov sur le score de 3½ à 2½. C’est la première fois qu’une machine vainc un humain dans une partie d’échecs officielle. Plus qu’une victoire symbolique, cet événement marque un tournant majeur dans l’histoire de l’intelligence artificielle.

 

A posteriori cependant, Deep Blue peut sembler rudimentaire : il s’agissait d’un superordinateur dédié, combinant calcul intensif, expertise humaine et algorithmes de recherche. 

 

 

 

 

L'avènement du machine learning

 

 

C’est avec le machine learning, concept apparu en 1959, que l’intelligence artificielle va franchir un nouveau cap. Il s’agit de la capacité d’une machine à apprendre à partir de données, en s’appuyant sur des outils mathématiques et statistiques. 

 

Longtemps théorique, avec des pionniers comme Alan Turing, Ray Solomonoff ou Arthur Samuel, le machine learning prend forme concrètement avec l’émergence des premiers réseaux de neurones dans les années 1980-1990. Ces derniers permettent notamment de lire du texte manuscrit, d’assister la conduite autonome ou encore de filtrer les spams. 

 

C’est dans ce cadre que le deep learning, une branche du machine learning, s’impose comme un moteur puissant du développement de l’IA moderne. 

 

On peut illustrer le fonctionnement du machine learning par une analogie avec le développement d’un enfant. Un enfant n’apprend pas à parler en lisant un dictionnaire. Il est exposé à des sons, formes, couleurs, odeurs… et apprend en interaction avec son environnement. Le machine learning fonctionne de manière similaire : en étant exposé à de nombreuses données, il apprend à modéliser le monde et à produire des réponses cohérentes face à de nouveaux stimuli. 

 

 

 

 

De la data à ChatGPT

 

 

Si le machine learning a entrouvert la porte à l’IA moderne, l’explosion de la donnée dans les années 2010 a fini de l’ouvrir. 

 

C’est à cette époque que des notions comme Big Data ou Data Lake apparaissent. Les données, massivement générées par les réseaux sociaux et le web, deviennent une ressource précieuse. Les géants du numérique, les GAFAM (ou GAMAM aujourd’hui) sauront rapidement en tirer parti. 

 

Couplées à des avancées en modélisation du langage et à une puissance de calcul accrue, ces données permettent le développement des LLM (Large Language Models). Ces modèles, dont ChatGPT est le représentant le plus célèbre, permettent désormais de dialoguer, d’écrire des poèmes, de rechercher des informations, ou d’assister l’utilisateur dans des tâches diverses, comme la rédaction d’un email. 

 

Si les LLM brillent par leur polyvalence, d’autres IA sont conçues pour exceller dans une tâche unique, à l’image des moteurs d’échecs, dignes héritiers de Deep Blue. 

 

 

 

 

Conclusion

 

 

Aujourd’hui, les meilleurs moteurs d’échecs : Stockfish, AlphaZero, Leela Chess Zero, atteignent un Elo d’environ 3500. L’être humain est désormais dépassé. Un match entre un grand maître et une IA ne présente plus de réel enjeu : les machines s’affrontent désormais entre elles, dans une ligue à part. 

 

Et ce phénomène ne se limite pas aux échecs. 

 

Dans de nombreux domaines, les meilleures performances émergent désormais de la collaboration entre IA, du transfert d’apprentissage ou de l’auto-amélioration mutuelle. 

 

Les États-Unis, la Chine, et dans une moindre mesure l’Europe, participent activement à cette nouvelle course : une conquête de l’espace 2.0 où les IA deviennent toujours plus puissantes. 

 

Le chemin mène aujourd'hui à des IA capables d’exceller dans des tâches spécifiques… et peut-être, demain, de nous surpasser dans l’ensemble des domaines cognitifs ?