Histoires · module en construction
Histoire de l’IA
Mis à jour le . Ce sujet évolue vite (true) : vérifie s'il y a du nouveau depuis cette date.
L'intelligence artificielle n'est pas née en 1956 dans une université américaine, et elle n'est pas l'œuvre de quelques génies. C'est une longue histoire d'automates, d'idées mathématiques, de modes et de déceptions, écrite à Moscou, Tokyo, Kyiv, Pékin ou Johannesburg autant qu'en Californie, et portée par des personnes qu'on cite rarement, jusqu'aux travailleur·ses qui étiquettent les données.
Choisis ton niveau et ta façon de lire : tu peux en changer à tout moment.
Étape 0 : Deux mille ans de machines
-
vers 60
Le théâtre mobile d’Héron
À Alexandrie, Héron décrit un petit théâtre d’automates dont les mouvements sont commandés par une corde enroulée sur un tambour. Selon le roboticien Noel Sharkey, c’est un candidat ancien au titre, disputé, de « machine programmable ».
Source : O. Tambini, « The forgotten history of the 800-year-old robot », TechRadar (2018)
-
1206
Les automates d’al-Jazarī
À Diyarbakır, al-Jazarī décrit cinquante machines, dont des automates musicaux commandés par un arbre à chevilles. Ils rejouent une séquence fixe : les appeler « premiers robots programmables » est une lecture moderne.
Source : C. Canavas, « Al-Jazarī’s Compendium of Ingenious Devices », CNRS Éditions (2017)
-
1769-1770
Le Turc mécanique
Wolfgang von Kempelen présente à Vienne un automate joueur d’échecs. Un joueur humain caché dans le meuble jouait à sa place : l’illusion d’une machine pensante reposait sur un travail invisible.
Source : Heinz Nixdorf MuseumsForum, « The Chess Turk has been brought back to life »
-
1843
L’objection de Lady Lovelace
Dans ses notes sur la machine analytique de Babbage, Ada Lovelace imagine qu’elle manipule d’autres symboles que des nombres, mais écrit qu’elle « n’a aucune prétention à créer quoi que ce soit ». Turing discutera cette phrase en 1950.
Source : Menabrea & Lovelace, « Sketch of the Analytical Engine » (1843)
-
1913
Markov compte les lettres de Pouchkine
À Saint-Pétersbourg, Andreï Markov analyse 20 000 lettres d’Eugène Onéguine et montre qu’une lettre dépend de la précédente. Ses « chaînes » sont l’ancêtre lointain des modèles qui prédisent le mot suivant ; lui analysait un texte, il n’en générait pas.
Source : B. Hayes, « First Links in the Markov Chain », American Scientist (2013)
-
vers 1914
L’automate d’échecs de Torres Quevedo
L’ingénieur espagnol Leonardo Torres Quevedo construit une machine électromécanique qui mate un roi seul avec un roi et une tour. En 1950, Shannon la juge « plus honnête » que le Turc mécanique.
Source : C. Shannon, « Programming a Computer for Playing Chess » (1950)
-
1939
Le Voder et ses opératrices
Aux Expositions universelles de New York et San Francisco, le Voder des Bell Labs produit une voix électrique « jouée » au clavier par des opératrices formées pendant environ un an, dont Helen Harper.
-
1943
Le neurone formel
Warren McCulloch et Walter Pitts décrivent le neurone comme une petite unité logique qui s’active au-delà d’un seuil. Ce modèle très simplifié inspire les réseaux de neurones artificiels.
-
1950
Le jeu de l’imitation
Alan Turing remplace la question « les machines peuvent-elles penser ? », qu’il juge vide de sens, par un jeu de l’imitation. Il répond à l’objection de Lovelace et propose des « machines qui apprennent ».
Source : A. M. Turing, « Computing Machinery and Intelligence », Mind (1950)
-
1955
Le mot « intelligence artificielle »
Le 31 août 1955, quatre chercheurs proposent une étude d’été sur « l’intelligence artificielle » à Dartmouth. L’atelier de 1956 donne un nom au domaine, mais les idées existaient avant (Turing, cybernétique).
Source : « A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence » (1955)
-
1955
Traduire avec la BESM
À Moscou, une équipe de l’Académie des sciences programme l’ordinateur BESM pour traduire des textes scientifiques de l’anglais vers le russe, avec un dictionnaire d’environ 950 mots. La linguiste Izabella Bel’skaïa conçoit l’essentiel du système.
Source : I. K. Belskaja, « Machine translation of languages », Research (1957)
-
1955
La cybernétique réhabilitée
En 1954, un dictionnaire soviétique qualifie encore la cybernétique de « pseudo-science réactionnaire ». En 1955, Sobolev, Kitov et Liapounov publient un article qui la présente comme une science ; en 1959, l’Académie des sciences lui consacre un conseil.
Source : B. Peters, « Normalizing Soviet Cybernetics » (2012)
-
1956-1961
Des réseaux de sens pour traduire
À Cambridge, l’unité de recherche sur le langage de Margaret Masterman cherche à traduire par le sens plutôt que mot à mot. R. H. Richens (1956) puis Masterman (1961) y décrivent des « réseaux sémantiques », ancêtres des représentations de connaissances.
Source : M. Masterman, « Semantic message detection for machine translation, using an interlingua » (1961)
-
1958
Le perceptron et l’emballement
Frank Rosenblatt présente le perceptron, une machine qui apprend à classer des formes. La presse annonce une machine capable de lire et de devenir « plus sage » : la démonstration réelle était bien plus modeste.
Source : Cornell Chronicle, « Professor’s perceptron paved the way for AI – 60 years too soon » (2019)
-
1959
Un programme de dames qui apprend
Arthur Samuel montre qu’un programme peut apprendre à jouer aux dames mieux que son auteur, après 8 à 10 heures de jeu. La célèbre définition « sans être explicitement programmé » est une paraphrase plus tardive.
Source : A. L. Samuel, « Some Studies in Machine Learning Using the Game of Checkers » (1959)
-
1961
MENACE, des boîtes d’allumettes qui apprennent
Donald Michie construit une machine faite de 304 boîtes d’allumettes et de perles qui apprend à jouer au morpion : on ajoute des perles après une victoire, on en retire après une défaite. C’est l’idée de l’apprentissage par renforcement.
Source : O. Child, « MENACE: the Machine Educable Noughts And Crosses Engine », Chalkdust (2016)
-
1964
L’école moscovite de reconnaissance des formes
À Moscou, Mark Aizerman, Emmanuel Braverman et Lev Rozonoer publient la méthode des « fonctions potentielles » pour apprendre à classer des formes. Ils y lisent une fonction comme un produit scalaire dans un autre espace : une idée que les machines à vecteurs de support exploiteront en 1992.
Source : Aizerman, Braverman, Rozonoer, Avtomatika i Telemekhanika 25-6 (1964), notice Math-Net.Ru
-
1965
DENDRAL et les systèmes experts
À Stanford, DENDRAL aide à identifier la structure de molécules à partir de leurs spectres, en codant le savoir de chimistes sous forme de règles. Il ouvre la voie aux « systèmes experts ».
Source : National Library of Medicine, « The Joshua Lederberg Papers — Artificial Intelligence »
-
1965
Les ensembles flous
Lotfi Zadeh, né à Bakou et formé à Téhéran avant de rejoindre Berkeley, propose les « ensembles flous » : un élément peut appartenir à un ensemble un peu ou beaucoup. Cette logique graduée servira dans des automatismes, des métros aux machines à laver.
Source : Berkeley Engineering, « Remembering Lotfi Zadeh » (2017)
-
1966
ELIZA, et son auteur inquiet
Joseph Weizenbaum crée ELIZA, un programme qui imite un psychothérapeute en reformulant les phrases. Choqué de voir des personnes s’y confier, il devient l’un des premiers critiques de l’IA.
-
1966-1972
Shakey et l’algorithme A*
Au SRI (Californie), une équipe dont fait partie Helen Chan Wolf étudie Shakey, un robot mobile qui perçoit et planifie. Pour lui, Peter Hart, Nils Nilsson et Bertram Raphael mettent au point en 1968 l’algorithme de recherche A*, encore utilisé par les GPS.
Source : IEEE Milestones, « Shakey: The World’s First Mobile, Intelligent Robot, 1972 »
-
1967
Apprendre par descente de gradient
À Tokyo, Shun’ichi Amari publie une théorie de classifieurs qui corrigent leurs poids pas à pas, en suivant la pente de l’erreur : le principe de la descente de gradient stochastique, au cœur de l’apprentissage des réseaux actuels.
Source : A. Griewank, « Who Invented the Reverse Mode of Differentiation? » (2012)
-
1968-1974
Mesurer ce qu’une machine peut apprendre
À Moscou, Vladimir Vapnik et Alexeï Tchervonenkis prouvent à quelles conditions un apprentissage sur des exemples se généralise. Leur « dimension VC » devient un pilier de la théorie, et mène aux machines à vecteurs de support (1992-1995).
Source : IPU RAN, fiche A. Ya. Chervonenkis
-
1970-1986
La rétropropagation, plusieurs fois inventée
La méthode qui permet d’entraîner les réseaux de neurones a été trouvée plusieurs fois : Seppo Linnainmaa (1970), Paul Werbos (1974-1982), puis David Rumelhart, Geoffrey Hinton et Ronald Williams, qui la popularisent en 1986. La priorité reste débattue.
Source : A. Griewank, « Who Invented the Reverse Mode of Differentiation? » (2012)
-
1971
Un réseau à huit couches à Kyiv
Alexeï Ivakhnenko décrit un réseau de huit couches construit couche par couche, par régression et sélection. Certains y voient l’ancêtre de l’apprentissage profond ; d’autres soulignent que la méthode diffère beaucoup des réseaux actuels.
Source : A. G. Ivakhnenko, « Polynomial Theory of Complex Systems », IEEE SMC (1971), notice
-
1971-1976
Comprendre la parole
Un programme américain finance la reconnaissance de la parole. À Carnegie Mellon, l’équipe de Raj Reddy, formé en Inde, construit Harpy, qui reconnaît 1 011 mots, et Hearsay-II, l’un des premiers systèmes « à tableau noir » où plusieurs modules coopèrent.
-
1972
Peser les mots rares
Karen Spärck Jones propose de donner plus de poids aux mots rares d’une collection de documents : la pondération IDF. Cette idée simple devient un standard des moteurs de recherche.
Source : Computer Laboratory (Cambridge), nécrologie de Karen Spärck Jones
-
1973
Le rapport Lighthill
Au Royaume-Uni, le rapport de James Lighthill juge décevants les résultats de l’IA et pointe « l’explosion combinatoire ». Les financements britanniques reculent : c’est l’un des « hivers » de l’IA, une étiquette donnée après coup.
Source : J. Lighthill, « Artificial Intelligence: A General Survey » (1973)
-
1974
Kaissa, champion du monde
À Stockholm, le programme soviétique Kaissa remporte ses quatre parties et le premier championnat du monde des programmes d’échecs.
Source : Computer History Museum, « Arlazarov, Ushkov, and Donskoy in Moscow »
-
1977
La méthode de Wu
Envoyé dans une usine d’ordinateurs pendant la Révolution culturelle, le mathématicien Wu Wenjun conçoit une méthode pour démontrer par le calcul des théorèmes de géométrie, en s’inspirant des mathématiques chinoises anciennes, très algorithmiques.
-
1978
Ruzena Bajcsy et la perception des robots
Formée à Bratislava puis à Stanford, Ruzena Bajcsy fonde à l’université de Pennsylvanie le laboratoire GRASP, consacré à la robotique et à la perception : vision par ordinateur, toucher, imagerie médicale.
Source : UC Berkeley EECS, « Ruzena Bajcsy »
-
1979-1980
Le néocognitron
Aux laboratoires de la NHK, Kunihiko Fukushima conçoit un réseau de neurones en couches, inspiré du cortex visuel, qui reconnaît des formes même déplacées. Il préfigure les réseaux convolutifs actuels.
-
1980-1984
XCON, un système expert en entreprise
Chez Digital Equipment, XCON configure les commandes d’ordinateurs à l’aide de règles : 750 en 1980, 2 500 en 1984. L’entreprise apprend que maintenir un système expert coûte cher en personnel qualifié.
Source : S. Polit, « R1 and Beyond », AI Magazine 5-4 (1984)
-
1982-1992
Le pari japonais de la cinquième génération
Le Japon lance un grand programme public d’ordinateurs parallèles fondés sur la programmation logique, qui inquiète l’Europe et les États-Unis. En 1992, les évaluateurs saluent la recherche, mais aucun matériel commercialement compétitif n’en est sorti.
-
1982-1988
Penny Nii et les tableaux noirs
À Stanford, H. Penny Nii conçoit des systèmes où plusieurs modules de connaissance coopèrent en écrivant sur une mémoire commune, puis en publie en 1986 la synthèse de référence.
Source : H. P. Nii, « Blackboard Application Systems… », AI Magazine 7-3 (1986)
-
1985
Une mission IA chez Bull
L’ingénieure Alice Recoque, qui avait dirigé la conception du mini-ordinateur Mitra 15, lance la mission « intelligence artificielle » du groupe français Bull, d’où naît un centre de recherche dédié.
-
1986
L’Inde lance le programme KBCS
Avec le Programme des Nations unies pour le développement, le gouvernement indien finance pendant cinq ans des centres de recherche en IA : systèmes experts, parole, vision, traduction anglais-hindi.
Source : S. Ramani, K. S. R. Anjaneyulu, « Knowledge Based Computer Systems in India » (1991)
-
1987
L’action est située
Chez Xerox, l’anthropologue Lucy Suchman observe des personnes face à une photocopieuse « intelligente ». Elle montre qu’on n’agit pas en exécutant un plan mais en s’ajustant à la situation, une critique de l’IA planificatrice.
Source : Recension de L. Suchman, Plans and Situated Actions, Intellectica (1989), notice
-
1987-1989
Un nouvel « hiver »
Les promesses des systèmes experts ne sont pas tenues : entreprises fermées, adhésions en baisse, budget de la recherche militaire américaine en IA réduit de 47 à 31 millions de dollars entre 1987 et 1989.
Source : N. J. Nilsson, The Quest for Artificial Intelligence (2010), § 24.4
-
1989
Lire les codes postaux
Aux Bell Labs, Yann LeCun et ses collègues entraînent par rétropropagation un réseau convolutif qui lit les codes postaux manuscrits. En 1998, leur système lit des millions de chèques ; la base MNIST de chiffres manuscrits, avec Corinna Cortes, devient un standard.
Source : Y. LeCun et al., « Backpropagation Applied to Handwritten Zip Code Recognition » (1989)
-
1997
Deep Blue bat Kasparov
Le 11 mai 1997, Deep Blue (IBM) gagne son match revanche contre Garry Kasparov, 3,5 à 2,5. Il n’apprenait pas : il examinait d’immenses arbres de coups avec 480 puces spécialisées conçues par Feng-hsiung Hsu.
Source : IBM, « Deep Blue »
-
2000
Kismet, un robot sociable
Au MIT, Cynthia Breazeal soutient sa thèse sur Kismet, un robot à visage expressif conçu pour des échanges avec des humains. Il simule des émotions pour réguler l’interaction, sans les ressentir.
Source : MIT AI Lab, projet Kismet
-
2009
ImageNet
L’équipe de Fei-Fei Li publie ImageNet, des millions d’images classées selon les mots du dictionnaire WordNet. L’étiquetage est confié à des travailleur·ses du clic. Cette base rendra possible l’essor de l’apprentissage profond.
Source : Computer History Museum, « CHM Releases AlexNet Source Code »
-
2012
AlexNet
Un réseau de neurones profond entraîné sur deux cartes graphiques remporte le concours ImageNet avec 15,3 % d’erreur, contre 26,2 % pour le suivant. Ce succès lance la vague actuelle de l’apprentissage profond.
Source : A. Krizhevsky, I. Sutskever, G. Hinton, NeurIPS (2012)
-
2015-2016
AlphaGo
Le programme AlphaGo de DeepMind bat Fan Hui 5-0 en octobre 2015, puis Lee Sedol 4-1 à Séoul en mars 2016. Il combine réseaux de neurones, apprentissage par renforcement et recherche dans l’arbre des coups ; Aja Huang posait les pierres à sa place.
-
2017
Le Transformeur
Huit chercheur·ses de Google, dont Niki Parmar, proposent le Transformeur, une architecture fondée uniquement sur le mécanisme d’« attention ». Elle devient la base des grands modèles de langage.
Source : A. Vaswani et al., « Attention Is All You Need » (2017)
-
2017
Un plan chinois pour 2030
Le 20 juillet 2017, le gouvernement chinois publie son plan de développement de l’IA « de nouvelle génération », en trois étapes (2020, 2025, 2030), avec l’objectif de faire du pays le principal centre d’innovation en IA, y compris pour la défense et la « gouvernance sociale ».
-
2017-2019
Deep Learning Indaba et Masakhane
En 2017, le premier Deep Learning Indaba réunit à Johannesburg des chercheur·ses du continent. En 2019 naît Masakhane, une communauté ouverte qui construit des outils de traduction pour les langues africaines, souvent oubliées par l’IA.
Source : I. Orife et al., « Masakhane — Machine Translation For Africa » (2020)
-
2018
Gender Shades
Joy Buolamwini et Timnit Gebru testent trois logiciels commerciaux qui devinent le genre d’un visage : 0,8 % d’erreur au plus pour les hommes à peau claire, jusqu’à 34,7 % pour les femmes à peau foncée.
Source : J. Buolamwini, T. Gebru, « Gender Shades », PMLR 81 (2018)
-
2018-2023
Le travail des données au Sud
Au Venezuela, pendant la crise économique, des milliers de personnes étiquettent des données pour l’IA pour quelques dizaines de centimes de l’heure ; des enquêtes décrivent le même travail aux Philippines, à Madagascar et en Argentine.
Source : K. Hao, A. P. Hernández, MIT Technology Review (2022)
-
2020
« Perroquets stochastiques »
Un article d’Emily Bender, Timnit Gebru et leurs coautrices alerte sur les coûts et les risques des très grands modèles de langage. Le conflit autour de sa publication aboutit au départ de Gebru de Google en décembre 2020 : licenciement selon elle, démission selon Google.
-
2021
Une recommandation mondiale
En novembre 2021, les États membres de l’UNESCO adoptent une recommandation sur l’éthique de l’IA : droits humains, égalité de genre, environnement, diversité culturelle. Elle n’est pas contraignante.
Source : UNESCO, Recommandation sur l’éthique de l’intelligence artificielle
-
2022
Les voix māori protégées
En Aotearoa Nouvelle-Zélande, le média Te Hiku Media protège ses enregistrements en te reo Māori par une licence de « kaitiakitanga » (tutelle) : les données d’une communauté doivent lui profiter.
Source : Te Hiku Media, « Data sovereignty and the Kaitiakitanga License »
-
2022
ChatGPT
Le 30 novembre 2022, OpenAI ouvre au public ChatGPT, un agent conversationnel fondé sur un grand modèle de langage. Son succès rapide déclenche une course entre grandes entreprises.
Source : OpenAI, « ChatGPT: Optimizing Language Models for Dialogue » (copie Internet Archive)
-
2023
Les petites mains kényanes
Une enquête de TIME révèle que des employé·es de Sama à Nairobi étiquetaient pour OpenAI des textes violents pour moins de 2 dollars de l’heure (Sama conteste ces chiffres). En mai 2023, plus de 150 modérateur·rices votent à Nairobi la création d’un syndicat.
Source : B. Perrigo, TIME, 18 janvier 2023
-
2024
Le règlement européen sur l’IA
Le règlement (UE) 2024/1689 entre en vigueur le 1er août 2024 : il interdit certains usages et encadre les systèmes selon leur niveau de risque. État au 5 novembre 2026 : un règlement de juillet 2026 a repoussé une partie des obligations à 2027 et 2028.
🟢 Découverte
Une cinquantaine de dates, des automates d'Alexandrie au règlement européen sur l'IA. Filtre par région ou par thème, ou n'affiche que les pionnières. Chaque date a sa source.
🟡 Curieux
Les récits habituels suivent une lignée américaine : Dartmouth, le perceptron, Deep Blue, ChatGPT. La frise ajoute l'URSS (traduction automatique, théorie de l'apprentissage), le Japon (descente de gradient, néocognitron), la Chine, l'Inde, l'Afrique et l'Océanie, et des femmes dont le travail compte : Masterman, Spärck Jones, Bajcsy, Nii, Li, Buolamwini, Gebru…
🔴 Ingénieur
Étape 1 : Avant le mot
🟢 Découverte
Bien avant les ordinateurs, on a construit des machines qui imitaient la vie : des automates qui jouaient de la musique ou bougeaient tout seuls. Certains trichaient : le célèbre « Turc mécanique », un automate joueur d'échecs de 1770, cachait un joueur humain.
🟡 Curieux
À Alexandrie, Héron décrit un théâtre d'automates commandé par une corde enroulée ; à Diyarbakır, en 1206, al-Jazarī détaille des automates musicaux à chevilles. En 1843, Ada Lovelace écrit que la machine de Babbage « n'a aucune prétention à créer quoi que ce soit ». Vers 1914, l'Espagnol Leonardo Torres Quevedo construit une vraie machine qui joue une fin de partie d'échecs.
En 1943, Warren McCulloch et Walter Pitts décrivent le neurone comme une petite unité logique. En 1950, Alan Turing propose son « jeu de l'imitation » et imagine des machines qui apprennent.
🔴 Ingénieur
Dès 1913, le mathématicien russe Andreï Markov compte les lettres d'un roman de Pouchkine et montre qu'une lettre dépend de la précédente. Ses « chaînes de Markov » sont l'ancêtre lointain des modèles qui prédisent le mot suivant (voir Les IA qui écrivent).
Un peu d'histoire
Le Turc mécanique illustre une constante : derrière l'illusion d'une machine autonome, il y a souvent du travail humain caché. La plateforme de micro-tâches d'Amazon, qui a servi à étiqueter la base d'images ImageNet, s'appelle d'ailleurs « Mechanical Turk ».
Idées reçues
« Le test de Turing décide si une machine pense. » Turing jugeait cette question « trop vide de sens » et proposait de la remplacer par un jeu. Voir Une machine peut-elle penser ?
Étape 2 : Deux façons de faire
🟢 Découverte
Dès les années 1950, deux idées s'affrontent. Écrire à la main les règles du raisonnement (« si la molécule a tel pic, alors… ») : c'est l'IA symbolique. Ou laisser la machine apprendre à partir d'exemples : c'est l'apprentissage automatique, qui domine aujourd'hui.
🟡 Curieux
Du côté des règles : DENDRAL (1965) code le savoir de chimistes, XCON (1980) configure des ordinateurs, le Japon lance en 1982 son projet de « cinquième génération ». À Cambridge, Margaret Masterman cherche à traduire par le sens ; en Chine, Wu Wenjun démontre des théorèmes de géométrie par le calcul (1977).
Du côté de l'apprentissage : le perceptron de Rosenblatt (1958), le programme de dames de Samuel (1959), les boîtes d'allumettes de Michie (1961). À Tokyo, Shun'ichi Amari décrit en 1967 la descente de gradient stochastique ; à Moscou, Vapnik et Tchervonenkis fondent une théorie de l'apprentissage ; à la NHK, Kunihiko Fukushima invente le néocognitron, ancêtre des réseaux qui voient.
🔴 Ingénieur
La rétropropagation, qui permet d'entraîner des réseaux à plusieurs couches, a été trouvée plusieurs fois : Linnainmaa (1970), Werbos (1974), puis Rumelhart, Hinton et Williams (1986), qui la popularisent. Le module Comment apprend une machine la montre en action.
Un peu d'histoire
Les mots aussi ont une histoire. Le 31 août 1955, quatre chercheurs proposent une étude d'été sur « l'intelligence artificielle » au Dartmouth College : le nom vient de là. Mais la cybernétique, Turing, les neurones de McCulloch et Pitts existaient déjà, et l'URSS menait ses propres travaux, d'abord freinés par une condamnation idéologique de la cybernétique, levée à partir de 1955.
Idées reçues
« L'IA est née à Dartmouth en 1956. » L'atelier lui a donné son nom, pas ses idées.
« Le livre Perceptrons de Minsky et Papert (1969) a tué les réseaux de neurones. » Il montrait les limites des perceptrons à une couche ; mais les financements avaient déjà reculé, et le récit d'un « meurtre » a été construit après coup.
« Ivakhnenko a inventé l'apprentissage profond. » Son réseau à huit couches de 1971 est revendiqué comme ancêtre par certains chercheurs ; d'autres soulignent que la méthode est très différente. Les débats de priorité sont nombreux en IA.
Étape 3 : Hivers et critiques
🟢 Découverte
L'histoire de l'IA est faite de vagues : de grandes promesses, puis des déceptions et des coupes de budget, qu'on appelle après coup des « hivers ». Elle est aussi faite de critiques venues de l'intérieur.
🟡 Curieux
En 1973, au Royaume-Uni, le rapport Lighthill juge les résultats décevants et pointe « l'explosion combinatoire » ; les financements reculent. À la fin des années 1980, les systèmes experts déçoivent à leur tour : entreprises fermées, budgets réduits. Le module L'IA, c'est quoi ? montre ces printemps et ces hivers.
En 1966, Joseph Weizenbaum crée ELIZA, qui imite un psychothérapeute ; voyant des personnes s'y confier, il devient l'un des premiers critiques de l'IA. En 1987, l'anthropologue Lucy Suchman montre que nos actions s'ajustent aux situations au lieu de suivre des plans, ce que l'IA de l'époque ignorait.
🔴 Ingénieur
« L'explosion combinatoire » : le nombre de possibilités à examiner grandit si vite qu'aucun ordinateur ne peut tout essayer. Deep Blue a battu Kasparov en 1997 en examinant d'immenses arbres de coups avec 480 puces spécialisées conçues par Feng-hsiung Hsu, mais sans rien apprendre.
Idées reçues
« Il y a eu deux hivers de l'IA, partout. » Le mot est une étiquette donnée après coup, surtout pour le Royaume-Uni et les États-Unis. Pendant ce temps, le Japon finançait sa cinquième génération (1982-1992) et l'Inde son programme KBCS (1986).
Étape 4 : L'ère des données
🟢 Découverte
À partir des années 2010, trois ingrédients se rejoignent : d'immenses quantités de données, des cartes graphiques puissantes, et les réseaux de neurones « profonds ». L'apprentissage automatique bat alors des records, jusqu'aux agents conversationnels comme ChatGPT (2022).
🟡 Curieux
En 2009, l'équipe de Fei-Fei Li publie ImageNet, des millions d'images étiquetées. En 2012, le réseau AlexNet y écrase la concurrence. En 2016, AlphaGo bat Lee Sedol au go. En 2017, huit chercheur·ses de Google, dont Niki Parmar, proposent le Transformeur, base des grands modèles de langage.
Derrière ces données, il y a des personnes : des travailleur·ses du clic qui étiquettent des images et des textes, au Venezuela, aux Philippines, à Madagascar, au Kenya. En 2023, une enquête révèle que des employé·es kényan·es étiquetaient pour OpenAI des textes violents pour moins de 2 dollars de l'heure.
🔴 Ingénieur
Les réseaux convolutifs (Fukushima en 1979, LeCun en 1989) et le Transformeur (2017) sont détaillés dans Les IA qui voient et Les IA qui écrivent. Le travail des données est au cœur de L'IA, fruit d'une intelligence collective.
Idées reçues
« L'IA apprend toute seule. » Elle apprend sur des données choisies, nettoyées et étiquetées par des humains, et des humains corrigent ses réponses. Comme le Turc mécanique en 1770, une partie de « l'intelligence » est du travail humain qu'on ne voit pas.
Étape 5 : Qui décide ?
🟢 Découverte
L'IA n'est pas seulement une technique : elle touche à l'emploi, aux droits, aux langues, aux inégalités. Chercheur·ses, communautés et États se disputent la façon de la construire et de l'encadrer.
🟡 Curieux
En 2018, Joy Buolamwini et Timnit Gebru montrent que des logiciels de reconnaissance de visages se trompent bien plus sur les femmes à peau foncée. En 2020, un article qui alerte sur les risques des grands modèles de langage conduit au départ de Gebru de Google : licenciement selon elle, démission selon l'entreprise.
En Afrique, le Deep Learning Indaba (2017) et la communauté Masakhane (2019) construisent des outils pour les langues africaines ; en Aotearoa Nouvelle-Zélande, Te Hiku Media protège ses enregistrements en māori. La Chine publie en 2017 un plan pour devenir le premier centre d'innovation en IA en 2030 ; l'UNESCO adopte en 2021 une recommandation sur l'éthique de l'IA ; l'Union européenne adopte en 2024 un règlement.
🔴 Ingénieur
Le règlement européen (UE) 2024/1689, en vigueur depuis le 1er août 2024, interdit certains usages et classe les autres selon leur niveau de risque. État au 5 novembre 2026 : un règlement de juillet 2026 (« Omnibus IA ») a repoussé une partie des obligations à 2027 et 2028. Le détail est dans Les IA qui classent.
Idées reçues
« L'IA se fait dans la Silicon Valley, le reste du monde la subit. » La frise montre des apports de Moscou, Kyiv, Tokyo, Pékin, Bombay ou Johannesburg ; et des communautés construisent leurs propres outils, à leurs conditions.
Ce qu'il faut retenir
- L'IA n'a ni date de naissance ni inventeur unique : Dartmouth lui a donné un nom en 1956, pas ses idées.
- Deux voies : écrire des règles, ou apprendre à partir d'exemples. La seconde domine depuis les années 2010.
- Des vagues d'espoir et de déception, les « hivers », surtout au Royaume-Uni et aux États-Unis.
- Une histoire mondiale : URSS, Japon, Chine, Inde, Afrique y ont apporté des idées et des machines.
- Du travail humain partout, des opératrices du Voder aux annotateur·rices de Nairobi.
Pour aller plus loin : les modules IA, et les histoires de l'informatique et d'internet.