intelligence artificielle

En profondeur

Le domaine tient dans des cercles emboîtés, et c’est ce qui explique la confusion. L’intelligence artificielle est le plus large : elle inclut des approches qui n’apprennent rien, comme les systèmes à base de règles écrites à la main, qui gouvernent encore beaucoup de logiciels réputés intelligents. À l’intérieur se trouve l’apprentissage automatique, où le comportement n’est plus écrit mais dérivé d’exemples. À l’intérieur encore, l’apprentissage profond, qui emploie des réseaux de neurones à nombreuses couches. Et à l’intérieur seulement, l’IA générative, dont les modèles de langage sont une famille. Dire « l’IA » en pensant à un modèle de langage revient à dire « la médecine » en pensant à un antibiotique.

Cette imprécision a des conséquences concrètes. Un texte réglementaire, un budget ou un plan de formation qui parlent d’« IA » sans préciser de quel cercle il s’agit décrivent mal ce qu’ils encadrent : les risques d’un système de notation de dossiers n’ont rien de commun avec ceux d’un assistant de rédaction, ni les compétences qu’ils demandent. C’est d’ailleurs la raison pour laquelle les réglementations sérieuses ne classent pas les technologies mais les usages, et qu’une même méthode peut y être anodine ou strictement encadrée selon ce qu’on lui fait décider.

Le mot porte enfin un vieux problème, connu sous le nom d’effet IA : dès qu’une tâche est résolue de façon fiable, elle cesse d’être considérée comme relevant de l’intelligence artificielle et redevient du logiciel ordinaire. La reconnaissance de caractères, la traduction automatique et le calcul d’itinéraire ont tous suivi ce chemin. Il faut en tirer une conclusion pratique : le mot désigne moins une catégorie stable qu’une frontière mobile, celle de ce qui nous étonne encore. Pour parler précisément d’un système, on gagne toujours à nommer ce qu’il fait plutôt que la famille à laquelle il appartient.