Numérique · Intelligence artificielle
Histoire de l’intelligence artificielle
L’intelligence artificielle naît officiellement en 1956 à Dartmouth. Son histoire alterne enthousiasmes et « hivers », jusqu’à l’essor de l’apprentissage profond en 2012 et de l’IA générative à partir de 2022.
Mis à jour le 5 min de lecture
L’idée de machines pensantes est ancienne (automates de l’Antiquité, calculatrices de Pascal et de Leibniz), mais l'intelligence artificielle comme discipline scientifique date du milieu du XXe siècle, avec les premiers ordinateurs. Son histoire est marquée par deux approches rivales : l’IA symbolique, qui programme des règles et des raisonnements, et l’IA connexionniste, qui apprend à partir d’exemples grâce à des réseaux de neurones. La seconde l’emporte depuis les années 2010. Pour la définition et les usages actuels, voir la fiche intelligence artificielle.
Les fondations (1943-1956)
- 1943 : Warren McCulloch et Walter Pitts proposent un modèle mathématique du neurone, le neurone formel.
- 1950 : Alan Turing publie Computing Machinery and Intelligence et y propose le « jeu de l’imitation », devenu le test de Turing (voir Alan Turing).
- 1951-1952 : premiers programmes de jeu de dames et d’échecs sur ordinateur.
- 1956 : conférence de Dartmouth (États-Unis), organisée par John McCarthy, Marvin Minsky, Claude Shannon et Nathaniel Rochester. Le terme artificial intelligence, employé par McCarthy dans la proposition de 1955, s’impose. Allen Newell et Herbert Simon y présentent le Logic Theorist, qui démontre des théorèmes de logique.
L’âge d’or et les premiers espoirs (1956-1974)
- 1957-1958 : Frank Rosenblatt conçoit le perceptron, premier réseau de neurones capable d’apprendre à reconnaître des formes simples.
- 1958 : McCarthy crée le langage LISP, qui sera la langue de l’IA pendant des décennies.
- 1966 : Joseph Weizenbaum, au MIT, crée ELIZA, programme qui simule un psychothérapeute par simple reformulation. Des utilisateurs lui attribuent une compréhension qu’il n’a pas : on parle depuis d'« effet ELIZA ».
- 1969 : Minsky et Seymour Papert publient Perceptrons, qui montre les limites des réseaux à une seule couche et contribue au déclin de l’approche connexionniste.
- 1972 : création du langage Prolog à Marseille, par Alain Colmerauer et Philippe Roussel.
Les chercheurs de l’époque prédisent des machines aussi intelligentes que l’humain en une génération. Les résultats restent cantonnés à des problèmes jouets.
Le premier hiver de l’IA (1974-1980)
Faute de résultats concrets, les financements chutent. Au Royaume-Uni, le rapport Lighthill (1973) juge sévèrement les promesses de la discipline. Les ordinateurs manquent de puissance et de mémoire ; les problèmes réels se révèlent d’une complexité explosive.
Les systèmes experts (1980-1987)
L’IA symbolique trouve un débouché commercial : les systèmes experts, qui codent sous forme de règles « si… alors… » le savoir de spécialistes. MYCIN (Stanford, années 1970) diagnostique des infections bactériennes ; XCON configure des ordinateurs chez DEC et fait économiser des millions de dollars. Le Japon lance en 1982 un programme d'« ordinateurs de cinquième génération ». En parallèle, l’algorithme de rétropropagation du gradient, popularisé en 1986 par David Rumelhart, Geoffrey Hinton et Ronald Williams, relance discrètement les réseaux de neurones.
Le second hiver (1987-1993 environ)
Les systèmes experts sont coûteux à maintenir, fragiles hors de leur domaine, et le marché des machines LISP s’effondre. Le mot « intelligence artificielle » devient presque tabou ; les chercheurs parlent d’apprentissage, de reconnaissance de formes ou de statistiques.
Le retour par les données (1993-2011)
- 1989-1998 : Yann LeCun développe les réseaux convolutifs, utilisés pour lire automatiquement les chèques.
- 1997 : l’ordinateur Deep Blue d’IBM bat le champion du monde d’échecs Garry Kasparov en match (3,5 à 2,5). Il repose sur la puissance de calcul et non sur l’apprentissage.
- Années 2000 : l'apprentissage automatique statistique se répand (filtres antispam, recommandations, traduction statistique).
- 2009 : lancement de la base d’images ImageNet, à l’initiative de Fei-Fei Li.
- 2011 : le système Watson d’IBM gagne au jeu télévisé Jeopardy! ; Apple lance l’assistant vocal Siri.
La révolution de l’apprentissage profond (2012-2021)
- 2012 : le réseau AlexNet (Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton) écrase la concurrence au concours ImageNet grâce à l’entraînement sur GPU. C’est le point de départ de l’essor du deep learning.
- 2014 : Ian Goodfellow invente les réseaux antagonistes génératifs (GAN), capables de produire des images réalistes.
- 2016 : AlphaGo (DeepMind) bat Lee Sedol, l’un des meilleurs joueurs de go, par 4 victoires à 1.
- 2017 : des chercheurs de Google publient Attention Is All You Need, qui introduit l’architecture Transformer, base de tous les grands modèles de langage.
- 2018 : prix Turing décerné à Yoshua Bengio, Geoffrey Hinton et Yann LeCun pour l’apprentissage profond.
- 2020 : AlphaFold 2 prédit la structure des protéines avec une précision proche de l’expérience.
L’ère de l’IA générative (depuis 2022)
- 2022 : les générateurs d’images (DALL-E 2, Midjourney, Stable Diffusion) se diffusent ; le 30 novembre, OpenAI lance ChatGPT, qui atteint 100 millions d’utilisateurs en quelques mois.
- 2023-2025 : multiplication des grands modèles de langage, propriétaires ou ouverts, de plus en plus multimodaux (texte, image, son, vidéo) et capables de raisonnement par étapes et d’actions autonomes (agents).
- 2024 : le prix Nobel de physique récompense John Hopfield et Geoffrey Hinton pour leurs travaux fondateurs sur les réseaux de neurones ; le prix Nobel de chimie est attribué en partie à Demis Hassabis et John Jumper pour AlphaFold. L’Union européenne adopte l'AI Act, premier cadre juridique général sur l’IA.
Voir le détail dans IA générative.
Les leçons d’une histoire cyclique
| Période | Approche dominante | Moteur | Limite rencontrée |
|---|---|---|---|
| 1956-1974 | Symbolique (logique, recherche) | Enthousiasme, crédits militaires | Problèmes trop complexes, machines trop faibles |
| 1980-1987 | Systèmes experts | Applications industrielles | Coût de maintenance, rigidité |
| 1993-2011 | Apprentissage statistique | Données numériques, internet | Performances plafonnées sur la perception |
| Depuis 2012 | Apprentissage profond | Données massives, GPU, nouveaux algorithmes | Coût énergétique, fiabilité, explicabilité |
Chaque vague a suscité des prédictions excessives. Les débats actuels sur une IA « générale » s’inscrivent dans cette longue histoire d’espoirs et de désillusions.
Questions fréquentes
Qui a inventé l’intelligence artificielle ?
Aucune personne seule. Alan Turing en a posé les questions fondatrices en 1950 ; John McCarthy a forgé le terme et coorganisé la conférence de Dartmouth en 1956 avec Marvin Minsky, Claude Shannon et Nathaniel Rochester, souvent considérés comme les pères fondateurs.
Qu’est-ce qu’un hiver de l’IA ?
Une période de désillusion pendant laquelle les financements et l’intérêt pour l’IA s’effondrent après des promesses non tenues. On en distingue généralement deux : vers 1974-1980 et vers 1987-1993.
Pourquoi l’IA a-t-elle progressé si vite après 2012 ?
Par la conjonction de trois facteurs : d’immenses quantités de données numériques, la puissance de calcul des processeurs graphiques et des améliorations des algorithmes d’apprentissage profond.