Leçon 2 — Qu'est-ce que l'intelligence artificielle ?
La plupart des définitions de l'IA sont soit si vagues qu'elles englobent une calculatrice de poche, soit si lyriques qu'elles décrivent un film. En voici une qui tient debout.
Une définition que vous pouvez défendre
L'intelligence artificielle est l'ensemble des techniques qui permettent à une machine d'accomplir une tâche exigeant normalement l'intelligence humaine, en déduisant son comportement de données et d'expérience plutôt que d'instructions écrites à la main pour chaque cas.
Trois morceaux de cette phrase portent tout le poids.
« Une tâche exigeant normalement l'intelligence humaine. » C'est délibérément relatif, et cela a une conséquence inconfortable : la définition de l'IA bouge. La reconnaissance optique de caractères était de l'IA de pointe en 1970 ; c'est aujourd'hui une fonction de l'appareil photo de votre téléphone et personne ne la qualifie d'intelligente. Cette dérive a un nom, l'effet IA : dès qu'un problème est résolu, il cesse de compter comme de l'intelligence.
« En déduisant son comportement de données. » C'est ce qui sépare l'IA d'un logiciel ordinaire. Un programme de paie applique des règles écrites par un humain. Un filtre antispam déduit ses propres critères de millions de messages déjà classés. Même ordinateur, rapport au savoir entièrement différent.
« Plutôt que d'instructions écrites à la main pour chaque cas. » La leçon 1 a expliqué pourquoi : pour beaucoup de tâches, personne ne sait écrire ces instructions.
IA faible et IA générale
Cette distinction est la chose la plus utile de cette leçon, parce qu'elle vous permet de distinguer une affirmation sérieuse d'un argument marketing.
L'IA faible — tout ce qui existe
L'IA faible, ou plus justement l'IA spécialisée, est conçue pour une tâche et se trouve démunie en dehors. Tous les systèmes en production en 2026 relèvent de cette catégorie, sans exception.
- Un modèle qui détecte la rétinopathie diabétique sur des photographies de rétine égale un ophtalmologue. Il ne sait pas lire une radiographie du thorax.
- Un moteur d'échecs écrase tous les humains vivants. Il ne sait pas jouer aux dames sans être reconstruit.
- Un grand modèle de langage écrit du code correct et réussit des examens de droit. Il ne sait pas commander un bras robotisé pour saisir une tasse.
Faible ne veut pas dire médiocre. Cela veut dire spécialisé. L'IA faible dépasse déjà l'humain sur une liste croissante de tâches précises, et c'est exactement là que réside sa valeur commerciale.
L'IA générale — ce qui n'existe pas
L'intelligence artificielle générale désignerait un système unique transférant sa compétence d'un domaine quelconque à un autre comme le fait un humain : apprendre une tâche nouvelle à partir d'une poignée d'exemples, raisonner sur des situations jamais rencontrées, savoir quand il ne sait pas.
Elle n'existe pas. Aucun chercheur sérieux ne sait dater son arrivée, et les estimations de gens crédibles vont de « d'ici dix ans » à « pas dans ce siècle ». Quand un produit revendique une intelligence générale, il vend de l'IA spécialisée avec un vocabulaire plus large.
Les modèles de langage modernes sont des généralistes extraordinairement convaincants dans la conversation, ce qui leur donne un air de généralité. Ils ne le sont pas. Leur largeur apparente vient d'avoir été entraînés sur une tranche énorme du texte humain, pas d'une capacité à raisonner d'un domaine à l'autre. Demandez-leur de traiter une situation réellement inédite et l'illusion se rompt vite.
L'IA comprend-elle ce qu'elle fait ?
Non, et il vaut la peine d'être précis là-dessus, car la réponse détermine ce que vous pouvez déléguer sans risque à un modèle.
Un modèle capture des régularités statistiques dans ses données d'entraînement et les prolonge sur des entrées nouvelles. Quand un modèle de traduction rend « il pleut des cordes » par « it is raining cats and dogs », il n'a pas saisi une métaphore. Il a appris que ces deux séquences occupent des positions équivalentes dans des millions de textes alignés.
C'est réellement suffisant pour beaucoup de choses. Ce n'est pas la même chose que comprendre, et la différence remonte à la surface de quatre façons récurrentes.
Il n'a aucune notion de vérité. Un modèle de langage produit du texte plausible, pas du texte vrai. Quand l'information lui manque, il ne s'arrête pas ; il génère quelque chose qui a la forme d'une réponse. On appelle cela une hallucination, et ce n'est pas un bogue à corriger — cela découle du fonctionnement même du modèle.
Il ne peut pas s'expliquer. Un réseau profond contient des millions de paramètres numériques. Il peut vous dire qu'une tumeur est présente avec 94 % de confiance et se trouve incapable de vous dire quel détail l'a convaincu. En médecine, en crédit ou en recrutement, cette opacité est un problème juridique autant que technique.
Il hérite de tous les biais de ses données. Un modèle de recrutement entraîné sur dix ans de décisions d'une entreprise reproduira ces décisions, y compris les discriminatoires. Il n'est pas neutre ; il est fidèle, ce qui est pire.
Il échoue silencieusement hors de son domaine d'entraînement. Confronté à quelque chose de réellement différent de tout ce qu'il a vu, un modèle ne signale pas d'erreur. Il renvoie une réponse assurée et fausse. Le cours Éthique et IA responsable traite ce point en profondeur.
Avant de déléguer une décision à un modèle, demandez-vous : que se passe-t-il quand il se trompe, et est-ce que quelqu'un s'en apercevra ? Si une erreur est bon marché et visible, comme une mauvaise recommandation de film, allez-y. Si une erreur est coûteuse et invisible, comme un prêt refusé à tort, un humain doit rester dans la boucle.
D'où vient le mot
Le terme a été forgé en 1956, lors d'un atelier d'été à Dartmouth, dans le New Hampshire. Les organisateurs — John McCarthy, Marvin Minsky, Claude Shannon et Nathaniel Rochester — proposaient un projet de deux mois pour dix personnes, et écrivaient dans leur demande de financement qu'une part significative du problème pourrait être résolue dans ce délai.
Soixante-dix ans plus tard, le problème n'est pas résolu. L'épisode rappelle utilement que dans ce domaine, l'optimisme sur les délais a un long et constant historique d'erreurs.
En trois phrases
L'intelligence artificielle est toute technique permettant à une machine de déduire son comportement de données plutôt que de règles écrites à la main, ce qui explique que la frontière de ce qui compte comme IA se déplace sans cesse. Tout ce qui est déployé aujourd'hui est de l'IA spécialisée : excellente sur une tâche, inutile au-delà, l'IA générale restant une question de recherche ouverte et non un produit. Aucun modèle ne comprend ce qu'il fait, ce qui est acceptable quand une erreur est bon marché et visible, et dangereux quand elle ne l'est pas.