Qu'est-ce que l'Intelligence Artificielle, au juste
Quand vous entendez le terme « Intelligence Artificielle », à quoi pensez-vous ? Chatbots ? LLM ? Affiches publicitaires envahissantes ? Ou peut-être quelques noms d'outils couramment utilisés ? Pourtant, l'IA n'a pas commencé avec ChatGPT. En fait, le concept même de créer quelque chose capable d'imiter l'intelligence humaine est bien plus ancien que n'importe quel ordinateur.
Les humains sont fascinés par les structures mécaniques depuis des millénaires. Philon de Byzance a conçu la « servante automatique » ; une machine censée pouvoir verser de l'eau et du vin dans une coupe qu'elle tenait, dès 250 av. J.-C. Par la suite, pendant des siècles, ils ont également imaginé des êtres mécaniques, des automates et des systèmes capables de raisonner. Au XXe siècle, ces hypothèses sont passées des débats philosophiques aux problèmes mathématiques et informatiques. Alan Turing, en 1950, a fameusement posé la question de savoir si les machines pourraient un jour être capables de penser. Quelques années plus tard, en 1956, au Dartmouth College, le terme « Intelligence Artificielle » a été forgé, donnant naissance à un nouveau domaine académique.
Alors, qu'est-ce que l'IA exactement ?
En termes simples, l'IA est un terme générique qui englobe les systèmes informatiques conçus pour, et surtout capables de, réaliser des tâches que nous associons généralement à un comportement « intelligent » : reconnaître des schémas, résoudre des problèmes, ou même générer du contenu. Et c'est là qu'une confusion fréquente apparaît.
L'IA et le Machine Learning ne sont PAS la même chose.
L'IA est le domaine au sens large. Le Machine Learning est une approche de l'IA où les ordinateurs apprennent des schémas à partir de données, plutôt que de suivre un ensemble de règles explicites préprogrammées. De plus, cela nous amène au deep learning. Ce dernier est un sous-ensemble du Machine Learning, où des réseaux de neurones multicouches identifient des schémas encore plus complexes. Nous avons également l'IA générative, qui est le sujet de toutes les conversations aujourd'hui. Ce type d'IA, qui inclut des outils comme ChatGPT, crée du contenu ; par exemple du texte, des images ou même des vidéos.
En résumé, l'IA existe depuis bien plus longtemps que le récent boom de l'IA générative, et les gens l'utilisent tous les jours sans nécessairement l'appeler IA. Néanmoins, aussi impressionnants que deviennent ces outils à chaque jour qui passe (ou même à chaque instant, dans ce secteur technologique en perpétuelle évolution), cela ne les rend pas pour autant infaillibles. Les systèmes d'IA peuvent hériter de biais basés sur leurs données d'entraînement, fournir des résultats erronés avec une confiance absolue (vous souvenez-vous quand ChatGPT affirmait avec certitude qu'il n'y avait que deux « r » dans le mot « Strawberry » ?), et fournir des résultats qui peuvent être corrects, mais difficiles à assimiler et à discuter concrètement.
Alors que ces systèmes deviennent de plus en plus populaires dans une myriade de domaines (de l'informatique et la finance à la santé), il est aujourd'hui plus important que jamais de s'assurer que tout le monde comprend bien ce qu'est réellement l'intelligence artificielle. Et pourtant, plus de 70 ans après que l'IA soit devenue un domaine d'étude à part entière, cette question reste étonnamment difficile à laquelle répondre. Peut-être que comprendre cette incertitude est-il bien plus important que de comprendre la technologie elle-même. Après tout, Socrate a dit un jour : « Ce que je ne sais pas, je ne crois pas le savoir non plus », et c'est exactement l'état d'esprit que nous devrions adopter face aux nouvelles technologies.
