Module 2 — Des systèmes à règles à l'apprentissage sur les données

L'histoire de l'IA n'est pas un détour culturel : elle explique pourquoi les outils actuels ont la forme qu'ils ont, et elle vaccine contre les cycles d'enthousiasme et de déception qui reviennent, presque à l'identique, depuis soixante-dix ans.

L'ère des règles : écrire l'intelligence à la main

De la conférence fondatrice de Dartmouth (1956) jusqu'à la fin des années 1980, l'approche dominante est symbolique : l'intelligence serait affaire de logique, donc de règles. On interroge des spécialistes, on transcrit leur savoir en milliers de règles « si… alors… », et on obtient un système expert.

Certains ont réellement fonctionné. MYCIN diagnostiquait des infections bactériennes avec une exactitude comparable aux médecins de l'époque. XCON configurait les commandes d'ordinateurs de DEC et lui a économisé des millions de dollars par an. Dans les années 1980, des entreprises entières se sont bâties sur cette promesse.

Puis l'approche a rencontré trois murs.

Le mur de l'acquisition. Extraire le savoir des experts est lent, cher et conflictuel : les experts ne s'accordent pas entre eux, et une grande partie de leur compétence est intuitive, impossible à formuler en règles.

Le mur de la maintenance. À dix mille règles, chaque ajout entre en conflit avec l'existant. Les systèmes devenaient des cathédrales fragiles que plus personne n'osait toucher.

Le mur du monde réel. Les règles supposent des entrées propres et des situations prévues. Face à une donnée bruitée, une formulation inhabituelle, un cas limite, le système à règles ne se dégrade pas gracieusement : il se trompe avec assurance ou s'arrête.

Les hivers de l'IA

Le domaine a connu deux périodes de gel des financements — au milieu des années 1970 puis à la fin des années 1980 — chaque fois après des promesses publiques très supérieures aux capacités réelles. Le schéma est toujours le même : démonstration spectaculaire sur un cas étroit, extrapolation médiatique, contact avec le monde réel, déception, coupes budgétaires. Connaître ce cycle aide à calibrer les annonces d'aujourd'hui.

La bascule statistique : laisser les données écrire les règles

Dans les années 1990, une autre tradition prend le dessus, portée par trois forces convergentes : plus de données numérisées, plus de puissance de calcul, et des progrès théoriques en apprentissage statistique.

L'idée renverse la démarche. Au lieu de demander à un expert « comment reconnaissez-vous un courriel indésirable ? », on collecte cent mille courriels marqués indésirable ou légitime, et on laisse un algorithme trouver les régularités. Le savoir n'est plus écrit, il est appris.

Ce renversement change la nature du travail. La ressource critique n'est plus l'expert qui formule des règles, mais les données étiquetées. La compétence critique n'est plus la logique, mais la statistique. Et la question de validation n'est plus « les règles sont-elles correctes ? » mais « le modèle généralise-t-il à des cas nouveaux ? » — une question plus subtile, que nous traiterons en profondeur au module 5.

Les années 1990–2000 sont celles des méthodes statistiques classiques : régression logistique, machines à vecteurs de support, forêts aléatoires. Elles font tourner discrètement la détection de fraude, le scoring de crédit et les premiers moteurs de recommandation. L'IA fonctionne, mais elle ne fait plus les gros titres — on l'appelle pudiquement « data mining » ou « analytique ».

2012 : la rupture du deep learning

Les réseaux de neurones existaient depuis les années 1950 et avaient déçu deux fois. Trois ingrédients manquaient, qui se réunissent au tournant des années 2010 :

1. Les données massives. Internet fournit des millions d'images, de textes, de sons étiquetés ou étiquetables. ImageNet, publié en 2009, offre 1,2 million d'images annotées en mille catégories.
2. Le calcul parallèle. Les cartes graphiques (GPU), conçues pour le jeu vidéo, se révèlent parfaites pour les multiplications de matrices dont les réseaux sont faits.
3. Des techniques d'entraînement enfin stables pour les réseaux profonds : meilleures fonctions d'activation, initialisations, régularisation.

En 2012, le réseau AlexNet remporte la compétition ImageNet en réduisant le taux d'erreur de 26 % à 16 % — un bond d'une ampleur jamais vue dans ce concours. En trois ans, toute la vision par ordinateur bascule vers le deep learning ; la parole et la traduction suivent.

La suite de l'histoire — l'architecture transformeur (2017), puis les grands modèles de langage — sera traitée en détail dans les cours dédiés. Ce qu'il faut retenir ici : chaque époque n'a pas remplacé la précédente, elle s'y est ajoutée. Les forêts aléatoires de 1995 restent aujourd'hui le meilleur choix sur une bonne partie des problèmes tabulaires d'entreprise.

Pourquoi cette histoire éclaire vos décisions

Leçon 1 — La forme de la solution suit la forme des données. Les règles conviennent quand le savoir est explicite et stable (calcul réglementaire, validation de format). L'apprentissage convient quand le savoir est diffus dans des exemples (perception, langage, comportements). Beaucoup de systèmes réels combinent les deux, et c'est très bien ainsi.

Leçon 2 — Les percées viennent de la conjonction données + calcul + algorithmes. Quand une annonce promet une révolution, cherchez lequel de ces trois facteurs a réellement changé. S'il n'y en a aucun, c'est du marketing.

Leçon 3 — Le cycle enthousiasme-déception est structurel. Les capacités progressent par paliers ; les attentes, elles, montent en continu. L'écart entre les deux se referme toujours douloureusement. Un projet calibré sur les capacités démontrées — pas sur les promesses — traverse les hivers sans dommage.

Ce qu'il faut retenir

• Les systèmes à règles ont buté sur l'acquisition du savoir, la maintenance et la fragilité face au monde réel.
• La bascule des années 1990 : le savoir n'est plus écrit par des experts mais appris des données ; la ressource critique devient la donnée étiquetée.
• 2012 (AlexNet sur ImageNet) marque la rupture du deep learning, rendue possible par données massives + GPU + techniques d'entraînement.
• Les époques s'additionnent au lieu de se remplacer : le bon outil dépend du problème, pas de la mode.

Au module suivant : ce que la recherche dit réellement de l'écart entre l'IA spécialisée — la seule qui existe — et l'IA générale qui alimente les fantasmes.