En clair
Le terme recouvre des choses très différentes : le filtre qui écarte les courriers indésirables, le GPS qui recalcule un itinéraire, l’outil qui lit une radiographie, l’assistant qui rédige un compte rendu. Leur point commun : chacun accomplit une tâche qui, il y a peu, demandait un humain attentif. L’IA n’est donc ni une machine unique ni une conscience. C’est une famille de techniques, comme « la mécanique » ou « la chimie ».
Une image utile : pendant longtemps, on a écrit des logiciels comme on rédige une recette, étape par étape. L’IA moderne ressemble davantage à l’apprentissage d’un métier : on montre beaucoup d’exemples, et le système en dégage lui-même les règles. C’est pour cela qu’elle réussit là où personne ne savait écrire la recette, par exemple reconnaître un visage ou comprendre une phrase ambiguë.
Les IA actuelles restent spécialisées, même quand elles couvrent beaucoup de sujets : elles réussissent ce pour quoi elles ont été entraînées et peuvent échouer sur une question voisine, parfois sans le signaler. Une IA capable de tout faire aussi bien qu’un humain, dans n’importe quel domaine, reste aujourd’hui une hypothèse.
Un exemple
Un assureur reçoit chaque jour des milliers de déclarations de sinistre. Une première IA lit les documents envoyés et en extrait les informations utiles : date, lieu, montant, numéro de contrat. Une deuxième repère les dossiers atypiques qui méritent une vérification. Une troisième prépare un projet de réponse au client.
Les gestionnaires gardent la décision. Leur temps se déplace de la saisie vers les cas difficiles : c’est le schéma le plus courant en entreprise.
Comment ça marche
Le terme apparaît dans une proposition datée du 31 août 1955, signée par John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon, en vue d’un atelier d’été organisé en 1956 au Dartmouth College. Elle repose sur une conjecture : tout aspect de l’apprentissage ou de l’intelligence peut être décrit assez précisément pour qu’une machine le simule 1. Cinq ans plus tôt, Alan Turing avait ouvert un article de la revue Mind par la question « les machines peuvent-elles penser ? » 2.
Deux grandes approches ont structuré le domaine. L’approche symbolique encode des connaissances et des règles logiques écrites par des experts. L’approche statistique, ou apprentissage automatique, fait apprendre ces règles à partir de données. La seconde domine aujourd’hui, portée par les réseaux de neurones profonds, qui ont transformé la reconnaissance de la parole, la reconnaissance d’images et le traitement du texte 3.
Il n’existe pas de définition unique. Le règlement européen sur l’IA retient celle d’un système automatisé conçu pour fonctionner à différents niveaux d’autonomie, qui déduit de ses entrées la manière de générer des sorties telles que des prédictions, du contenu, des recommandations ou des décisions 4. On distingue aussi l’IA générative, qui produit du texte, des images ou du code, de l’IA prédictive, qui classe, estime ou détecte.
Ce que ça change pour une entreprise
L’IA sert d’abord à automatiser des tâches répétitives fondées sur de l’information : trier, extraire, résumer, prévoir, détecter des anomalies. Les gains sont réels quand la tâche est fréquente, que les données existent et qu’une erreur reste rattrapable.
Les limites sont connues : un système d’IA se trompe parfois avec aplomb, dépend de la qualité de ses données et demande une supervision humaine. Le coût ne se limite pas à la licence : il faut compter l’intégration aux outils existants, la formation des équipes et la mise en conformité, notamment avec le règlement européen, dont les premières obligations s’appliquent depuis février 2025 4.
Idées reçues
- « L’IA comprend ce qu’elle dit. »
Elle repère des régularités statistiques dans des données. Le résultat peut être très pertinent sans qu’il y ait une compréhension comparable à la nôtre ; la question reste débattue.
- « L’IA, ce sont les assistants conversationnels. »
Ils n’en sont qu’une branche. La détection de fraude, la traduction, la reconnaissance d’images ou la prévision de la demande relèvent aussi de l’IA.
- « Une IA est objective. »
Elle reproduit ce qu’elle a appris, y compris les biais et les lacunes de ses données d’entraînement.
Sources
- McCarthy, Minsky, Rochester et Shannon, « A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence », 1955
- Turing, « Computing Machinery and Intelligence », Mind, 1950
- LeCun, Bengio et Hinton, « Deep learning », Nature, 2015
- Règlement (UE) 2024/1689 sur l’intelligence artificielle, EUR-Lex