Qu'est-ce que l'intelligence artificielle et comment fonctionne-t-elle ?

L'intelligence artificielle (IA) est le domaine scientifique et technique qui cherche à doter les machines de capacités que l'on associe habituellement à l'esprit humain, comme le raisonnement, la planification, l'apprentissage et la perception. La plupart des IA modernes ne sont pas programmées avec des règles pas à pas. Elles apprennent plutôt des régularités à partir d'un grand nombre d'exemples, puis les utilisent pour faire des prédictions, des recommandations, prendre des décisions ou produire de nouveaux contenus.

Nous expliquons ci-dessous ce que recouvre ce terme, le fonctionnement interne de l'apprentissage automatique, la manière dont des agents conversationnels comme ChatGPT génèrent du texte, les domaines où l'IA est déjà présente au quotidien, ainsi que les limites à garder en tête.

Qu'est-ce que l'intelligence artificielle ? Une définition simple

Le terme remonte à la Conférence de Dartmouth de 1956, un projet de recherche d'été proposé en 1955 par John McCarthy et ses collègues. Pendant des décennies, l'IA désignait surtout l'« IA symbolique » : des experts rédigeaient des règles explicites que l'ordinateur suivait.

Selon une synthèse académique, cette approche fondée sur des règles a dominé jusqu'à la fin des années 1980. Ensuite, des méthodes comme les réseaux de neurones, les systèmes flous et le calcul évolutionnaire ont gagné du terrain. En bref, le domaine est passé de règles écrites à la main à l'apprentissage à partir de données.

Les décideurs publics utilisent une définition voisine. Celle de l'OCDE, révisée en novembre 2023, décrit un système d'IA comme un système automatisé qui, à partir des données qu'il reçoit, déduit comment générer des résultats tels que des prédictions, des contenus, des recommandations ou des décisions, susceptibles d'influencer des environnements physiques ou virtuels. Les systèmes diffèrent par leur degré d'autonomie et d'adaptation, et le règlement européen sur l'IA reprend une formulation très proche.

Deux distinctions aident les débutants. D'abord, tout ce qui existe aujourd'hui relève de l'IA étroite, conçue pour des tâches précises ; l'intelligence artificielle générale (IAG) reste hypothétique, et sa définition même fait débat. Ensuite, les notions s'emboîtent : l'IA englobe l'apprentissage automatique, lequel comprend l'apprentissage profond, qui à son tour alimente les grands modèles de langage et l'IA générative.

Comment fonctionne l'apprentissage automatique ?

Un logiciel classique suit des règles écrites par un programmeur. L'apprentissage automatique inverse cette logique : on fournit au modèle des exemples, appelés données d'entraînement, et il déduit lui-même les régularités.

On distingue trois grandes familles. En apprentissage supervisé, les exemples sont étiquetés, par exemple des courriels marqués « spam » ou « non spam ». En apprentissage non supervisé, il n'y a pas d'étiquettes et le modèle trouve seul des regroupements. En apprentissage par renforcement, le modèle apprend par essais et erreurs grâce à des récompenses et des pénalités, comme l'ont fait les systèmes de jeu tels qu'AlphaGo.

La plupart des systèmes puissants actuels reposent sur des réseaux de neurones : des couches d'unités mathématiques simples reliées par des valeurs numériques appelées paramètres ou poids. Pendant l'entraînement, le modèle fait une supposition, la compare à la bonne réponse et ajuste ses poids pour réduire l'erreur. Les noms techniques de ce processus sont la rétropropagation et la descente de gradient.

Il est aussi utile de distinguer deux phases. L'entraînement est l'étape coûteuse où le modèle apprend. L'inférence correspond à la mise en service du modèle achevé, pour répondre à des questions ou faire des prédictions.

Comment fonctionnent les grands modèles de langage comme ChatGPT ?

Les grands modèles de langage (LLM) découpent d'abord le texte en jetons, c'est-à-dire en mots entiers ou en fragments de mots. Les langues riches en suffixes, comme le turc, peuvent nécessiter davantage de jetons pour une même quantité de texte, même si le rapport exact dépend du modèle.

Lors du pré-entraînement, le modèle s'exerce à une tâche unique sur une masse considérable de texte : prédire le jeton suivant. Cet objectif simple l'oblige à acquérir au passage la grammaire, des faits et bien d'autres régularités. L'architecture sous-jacente est le Transformer, présenté par des chercheurs de Google dans l'article de 2017 « Attention Is All You Need ».

Vient ensuite la post-formation. Le modèle est affiné à partir d'exemples d'instructions et façonné par des retours humains, notamment grâce à des méthodes comme l'apprentissage par renforcement à partir de retours humains (RLHF), afin de se comporter en assistant utile. ChatGPT, lancé par OpenAI le 30 novembre 2022, a fait découvrir ce type d'assistant au grand public ; Gemini, Claude, Copilot, Llama, DeepSeek, Mistral et Grok sont d'autres noms bien connus.

La technologie évolue sans cesse. Parmi les tendances récentes figurent les modèles de raisonnement, qui résolvent les problèmes étape par étape avant de répondre, les modèles multimodaux capables de traiter images et sons, les agents qui utilisent des outils pour accomplir des tâches, et la génération augmentée par récupération (RAG), où un modèle consulte d'abord des documents ou le web. Les versions des modèles changent souvent : consultez les pages officielles des éditeurs pour connaître les versions actuelles.

À quoi sert l'IA dans la vie de tous les jours ?

Vous utilisez probablement l'IA plusieurs fois par jour sans vous en rendre compte. Elle alimente les recommandations des sites de streaming et de commerce en ligne, filtre les spams, prédit le trafic dans les applications de navigation, déverrouille les téléphones grâce au visage, fait fonctionner les assistants vocaux et traduit des textes.

Les banques s'en servent pour repérer les fraudes, et les applications photo l'utilisent pour les retouches automatiques. L'IA générative a ajouté à cette liste l'aide à la rédaction, les résumés, l'assistance au codage, la création d'images et le soutien aux études.

En médecine, des outils d'IA aident les cliniciens à analyser les examens d'imagerie. En science, son impact a été reconnu au plus haut niveau : une partie du prix Nobel de chimie 2024 a été attribuée à Demis Hassabis et John Jumper pour AlphaFold, qui prédit la structure des protéines, et le prix Nobel de physique 2024 a été attribué à John Hopfield et Geoffrey Hinton pour leurs travaux fondateurs sur les réseaux de neurones.

Quelles sont les limites et les risques de l'IA ?

Le problème le plus connu est l'hallucination. Parce que les modèles de langage produisent un texte plausible plutôt que des faits vérifiés, ils peuvent affirmer des choses fausses avec assurance. La fréquence de ces erreurs varie fortement selon le modèle et le test ; vérifiez donc tout ce qui est important.

Les modèles ont aussi une date limite de connaissances : sauf s'ils sont reliés à un moteur de recherche, ils ignorent tout des événements survenus après la fin de leur entraînement. Ils peuvent en outre reproduire les biais présents dans leurs données d'entraînement.

La confidentialité mérite attention. Réfléchissez avant de saisir des informations personnelles, de santé ou professionnelles sensibles dans un agent conversationnel, et consultez les paramètres de chaque fournisseur pour savoir si vos conversations peuvent servir à l'entraînement.

Les débats plus larges portent notamment sur les procès pour droit d'auteur, la consommation d'énergie et d'eau, les deepfakes et la désinformation, ainsi que l'effet sur l'emploi, où les prévisions divergent fortement. Enfin, il ne faut pas supposer que les systèmes actuels comprennent ou ont une conscience au sens humain ; cette question reste philosophiquement débattue.

L'intelligence artificielle est-elle encadrée par la loi ?

De plus en plus, oui. Le règlement européen sur l'IA (AI Act) est entré en vigueur le 1er août 2024, et ses obligations entrent en application progressivement sur plusieurs années. Certaines échéances pourraient être modifiées par de futures propositions européennes ; il est donc utile de consulter les sources officielles de l'UE pour le calendrier en vigueur.

D'autres pays élaborent leurs propres cadres. La Türkiye, par exemple, dispose d'une Stratégie nationale pour l'IA 2021-2025, préparée par l'Office de la transformation numérique de la Présidence et le ministère de l'Industrie et de la Technologie. La politique évoluant rapidement, suivez les annonces des autorités compétentes pour connaître la situation la plus récente.