75 ans en 15 minutes : de Turing à ChatGPT

On a l'impression que l'IA est apparue en 2022 avec ChatGPT. En réalité, son histoire a 75 ans et est pleine de génies, de drames et de promesses non tenues. C'est parti.

Essayez-le d'abord — ici même. Sous le prompt, vous trouverez un bouton « Exécuter » : appuyez dessus et une véritable IA vous répondra sur cette page — il suffit d'une inscription gratuite en un clic (Google ou Telegram). Indiquez votre propre métier entre crochets — ou exécutez-le tel quel :

You are an experienced assistant. I work as a [your job].
Name 5 work tasks you could take off my hands,
and for each one give a short example of the request I'd send you.

C'est ça, l'IA : vous avez écrit la tâche en mots simples — elle a fait le travail. Tout ce cours vise à obtenir des réponses fiables de ce type, pas par hasard. Retenez ce que vous avez ressenti à cet instant — et revenons maintenant à l'histoire, sans laquelle l'IA n'a jamais vraiment de sens.

Acte I. L'homme qui posa la question (1950)

Angleterre, 1950. Le mathématicien Alan Turing publie un article avec une question audacieuse : « Les machines peuvent-elles penser ? » C'est le même Turing qui a décrypté la machine Enigma pendant la Seconde Guerre mondiale. Les historiens estiment que cela a raccourci la guerre de deux ans.

Au lieu de débattre de philosophie, il propose un jeu — que nous appelons aujourd'hui le test de Turing. L'idée est simple : si vous ne pouvez pas distinguer une machine d'un humain lors d'une conversation écrite, est-ce important qu'elle « pense » ? Le résultat prime sur la définition. Soixante-douze ans plus tard, des millions de personnes discuteraient quotidiennement avec une machine de plus en plus difficile à distinguer d'une personne.

Turing ne l'a jamais vu. Il est mort en 1954 à 41 ans, persécuté par le même gouvernement qu'il avait contribué à sauver. Aujourd'hui, le prix le plus prestigieux en informatique — le prix Turing — porte son nom.

Acte II. Le terme naît, et les promesses aussi (1956–1969)

Été 1956, Dartmouth College aux États-Unis. Un jeune mathématicien nommé John McCarthy réunit une vingtaine de scientifiques pour un atelier d'été et, pour la demande de subvention, invente une étiquette accrocheuse : intelligence artificielle. Le terme que nous utilisons tous a littéralement 70 ans, et il est né comme argument marketing pour une subvention.

L'optimisme était débordant. En 1958, le psychologue Frank Rosenblatt dévoile le perceptron — le premier « réseau neuronal » apprenant, de la taille d'une armoire. Le New York Times écrit que les machines allaient bientôt « marcher, parler, voir et être conscientes de leur existence ». Les pionniers promettaient une intelligence de niveau humain « en 20 ans ».

Acte III. Les hivers de l'IA (les années 1970 et la fin des années 1980)

Presque tout a mal tourné : les ordinateurs étaient des millions de fois trop faibles, il n'y avait pas de données, et les méthodes elles-mêmes ont atteint leurs limites. En 1973, le rapport britannique Lighthill a démantelé le domaine : les promesses n'avaient pas été tenues. Les financements ont été coupés, les laboratoires fermés — l'hiver de l'IA était arrivé. Dans les années 80, les « systèmes experts » (des programmes composés de milliers de règles « si-alors ») ont répété l'histoire : un boom, des milliards investis, puis un second effondrement une fois qu'il s'est avéré que les règles étaient impossibles à maintenir.

Retenez ce schéma : promesses démesurées → déception → effondrement. Il explique aussi les débats actuels sur l'IA.

Acte IV. La révolution silencieuse (1990–2012)

Alors que l'« IA » était pratiquement un gros mot, un petit groupe de scientifiques — parmi eux Geoffrey Hinton, l'un des esprits les plus brillants derrière les réseaux neuronaux et lauréat du prix Nobel 2024 — a obstinément continué à travailler dessus. Leur idée était simple et radicale : ne pas programmer la connaissance, mais laisser la machine apprendre par l'exemple. Deux ingrédients manquaient : les données et la puissance de calcul.

Internet a apporté les deux. En 2012, des milliards d'images étiquetées s'étaient accumulées, et les cartes graphiques conçues pour le jeu (GPU) se sont avérées parfaites pour entraîner les réseaux neuronaux. En 2012, AlexNet, développé par Hinton et ses étudiants, a écrasé la concurrence au concours de reconnaissance d'images ImageNet : la marge était énorme — le taux d'erreur est passé d'environ 26 % à 15 % en une seule année. La course était lancée.

Acte V. L'explosion (2016–2022)

2016 : AlphaGo bat le champion du monde de Go, Lee Sedol — à un jeu avec plus de positions possibles qu'il n'y a d'atomes dans l'univers. Les commentateurs ont qualifié son 37e coup dans la deuxième partie de « pas un coup humain, ni un coup de machine, mais quelque chose de nouveau ».

2017 : Les ingénieurs de Google introduisent une nouvelle architecture de réseau neuronal — le transformer. Une architecture est la disposition interne du réseau : le schéma qu'il suit pour traiter l'information. Les schémas plus anciens lisaient le texte mot par mot et, à la fin d'une longue phrase, avaient « oublié » le début. Le transformer examine l'ensemble du texte en une seule fois et détermine quels mots sont liés à quels autres — le mécanisme a été nommé « attention ».

Un réseau comme celui-là peut être entraîné sur des quantités gigantesques de texte, et c'est précisément ce qui se cache derrière le T de GPT — Generative Pretrained Transformer. Les données et la puissance avaient désormais un troisième compagnon : la bonne architecture.

30 novembre 2022 : OpenAI ouvre ChatGPT au public. 100 millions d'utilisateurs en deux mois — à l'époque, la croissance la plus rapide jamais observée pour une application grand public (Instagram a mis 2,5 ans pour y arriver, TikTok 9 mois). Le record de vitesse serait plus tard battu par Threads, qui a atteint 100 millions en cinq jours — mais c'est ChatGPT qui a montré pour la première fois que l'IA était devenue un produit de masse. Une histoire vieille de 75 ans est sortie des laboratoires pour arriver dans le téléphone de chacun.

Ce que cela signifie pour vous

Trois points clés que vous utiliserez dans chaque leçon suivante. Premièrement : l'IA moderne apprend par l'exemple plutôt que de suivre des règles programmées — l'idée de Hinton a surpassé les systèmes experts de l'Acte III. Deuxièmement : la percée est survenue lorsque trois ingrédients se sont rencontrés — les données (internet), la puissance (GPU) et l'architecture (le transformer) — et ces trois éléments continuent de croître.

Troisièmement : comme l'ont montré les hivers de l'IA, ce domaine peut à la fois promettre trop et livrer au-delà des attentes — nous séparerons donc désormais la réalité du battage médiatique en nous basant sur des faits.

Et si vous avez déjà essayé la requête du début de cette leçon, considérez-la comme votre première étape pratique : il y en aura beaucoup d'autres, et à chaque fois, l'IA vous suivra plus précisément.