L’histoire de l’IA associe des systèmes à règles, des méthodes de recherche et des modèles qui apprennent à partir d’exemples. Parmi ses jalons : le jeu de l’imitation de Turing en 1950, Dartmouth en 1956, les systèmes experts, la victoire du système spécialisé Deep Blue, l’essor de l’apprentissage profond sur GPU, le Transformer en 2017 et la diffusion des modèles génératifs.
Les grands jalons
Turing reformule la question
Dans son article sur les machines et l’intelligence, Alan Turing propose le jeu de l’imitation : un juge échange par écrit et cherche à distinguer une machine d’une personne.
Un domaine prend son nom
Le projet de recherche d’été de Dartmouth réunit des chercheurs autour de l’idée que certains aspects de l’apprentissage et de l’intelligence pourraient être décrits assez précisément pour être simulés par une machine.
Le perceptron apprend avec des exemples
Frank Rosenblatt développe un modèle qui combine des entrées avec des poids ajustables pour produire une décision. Apprendre consiste à modifier ces poids.
Les systèmes experts se développent
Des spécialistes traduisent leurs connaissances en règles. Ces systèmes peuvent être efficaces dans un domaine limité, mais leur entretien est coûteux et ils s’adaptent mal aux situations imprévues.
Deep Blue bat Kasparov
Le système d’échecs d’IBM remporte un match face au champion du monde. Il combine recherche massive de coups, fonctions d’évaluation, bases de données et expertise humaine. Ce n’est ni un modèle d’apprentissage profond ni une intelligence générale.
Les GPU accélèrent les réseaux profonds
AlexNet obtient un résultat marquant sur ImageNet grâce à un réseau convolutif profond entraîné sur GPU. Données, calcul parallèle et méthodes d’entraînement avancent ensemble.
Le Transformer change le traitement des séquences
L’article « Attention Is All You Need » présente une architecture fondée sur l’attention. Elle permet de modéliser des relations entre les éléments d’une séquence et de paralléliser une grande partie de l’entraînement.
L’IA générative touche un large public
Les interfaces conversationnelles rendent les grands modèles faciles à utiliser. Les systèmes relient progressivement texte, images, son, outils et actions.
Pourquoi parle-t-on d’« hivers de l’IA » ?
À plusieurs périodes, les attentes ont dépassé les capacités du matériel, les données disponibles ou la fiabilité des méthodes. Les financements et l’enthousiasme ont reculé. Ces épisodes rappellent qu’une démonstration impressionnante ne suffit pas à produire un système robuste dans toutes les situations.
Ce qui a changé
Les progrès récents viennent d’une combinaison : davantage de données, des processeurs spécialisés, de meilleures méthodes et des interfaces plus accessibles. Les limites ne disparaissent pas pour autant. Un modèle peut produire une réponse convaincante sans moyen fiable de savoir si elle est vraie.
Questions fréquentes
Qui a inventé l’IA ?
Il n’y a pas d’inventeur unique. Turing a contribué à formuler le problème, John McCarthy a proposé le terme « intelligence artificielle » pour le projet de Dartmouth, et de nombreuses équipes ont construit les méthodes, machines et applications.
L’IA est-elle née en 1956 ?
Cette date marque souvent la naissance du domaine sous son nom actuel. Ses bases mathématiques et techniques sont plus anciennes.
Deep Blue apprenait-il comme un assistant actuel ?
Non. Sa force venait surtout d’une recherche spécialisée, de fonctions d’évaluation, de bases de positions et du travail d’experts.
Sources originales et institutionnelles
Articles de recherche pour les mécanismes, ressources institutionnelles pour les repères. Les pages de fabricants décrivent leurs propres produits ; elles ne constituent pas une évaluation indépendante.
- Computing Machinery and Intelligence (1950) — Alan M. Turing · Mind
- Frank Rosenblatt and the perceptron — Cornell University
- Deep Blue: search, evaluation and expert input — IBM
- ImageNet Classification with Deep Convolutional Neural Networks (2012) — Krizhevsky, Sutskever & Hinton · NeurIPS
- Attention Is All You Need (2017) — Vaswani et al.
- Introducing ChatGPT (30 November 2022) — OpenAI
- Le projet de Dartmouth de 1956 — Dartmouth College
Continuer avec le compagnon dans ChatGPT
Explorez les thèmes du musée, posez vos questions et testez votre compréhension avec des quiz dans ChatGPT. Le compagnon et le jeu gardent des progressions séparées.
Découvrir le compagnon ChatGPTRevu le 6 septembre 2026. Navigation et ressources mises à jour le 1er octobre 2026. Méthode et limites du projet.