Introduction à l'Intelligence Artificielle

L’intelligence artificielle désigne l’ensemble des techniques qui permettent à un système informatique d’exécuter des tâches associées à l’intelligence humaine : résoudre des problèmes, apprendre de l’expérience, comprendre un langage, prendre des décisions. Ces systèmes reproduisent certains mécanismes du raisonnement sans être dotés de conscience ou d’émotions.

Historique

Période	Événements clés
Années 1950-1970	Alan Turing propose le test de Turing (1950). Conférence de Dartmouth (1956), acte fondateur de la discipline. ELIZA, premier chatbot (1966).
Années 1980-1990	Émergence de la logique floue et des réseaux de neurones. L’algorithme de rétropropagation (1986) permet d’entraîner des réseaux multicouches.
Années 2000-2020	L’explosion du Big Data et la puissance des GPU déclenchent l’essor du Deep Learning. AlphaGo bat Lee Sedol (2016).
2021-2025	Démocratisation avec ChatGPT. AI Act européen (2024). Sommet international sur l’IA à Paris (2025).

IA faible et IA forte

IA faible (narrow AI) désigne un système spécialisé dans un domaine précis. Un programme d’échecs, un moteur de recommandation, un modèle de détection de fraude sont des IA faibles : ils excellent dans leur périmètre mais ne peuvent pas en sortir.

IA forte (AGI — Artificial General Intelligence) désigne une IA capable de raisonner et d’apprendre dans n’importe quel domaine, à l’image d’un être humain. Aucun système ne correspond aujourd’hui à cette définition.

IA symbolique et IA connexionniste

Ces deux approches représentent des philosophies différentes de conception des systèmes intelligents.

IA symbolique (ou classique) : le système suit des règles explicites définies par des experts. Il résout des problèmes en appliquant une logique formelle. Les systèmes experts des années 1980 en sont l’exemple typique. Cette approche est lisible et auditable, mais peu adaptable face à des données imprévues.

IA connexionniste : le système apprend par lui-même en observant des exemples, à l’image du cerveau qui renforce les connexions neuronales par la répétition. Plus elle voit d’exemples, plus elle affine ses prédictions. La reconnaissance vocale et la vision par ordinateur reposent sur cette approche.

Les types d’IA

Type	Principe
IA symbolique	Règles et logiques explicites définies par des experts
IA basée sur les données	Apprentissage automatique à partir de jeux de données
IA cognitive	Imitation des processus humains via des réseaux de neurones

Applications

Secteur	Usage
Santé	Diagnostic assisté, analyse d’images médicales, découverte de médicaments
Finance	Détection de fraudes, prédiction des marchés
E-commerce	Algorithmes de recommandation de produits
Automobile	Véhicules autonomes, aide à la conduite
Sécurité informatique	Détection de cybermenaces, analyse comportementale