Parmi les innombrables avancées technologiques des XXe et XXIe siècles, l’une des plus influentes est sans aucun doute l’intelligence artificielle (IA). Des algorithmes des moteurs de recherche qui réinventent notre manière de chercher des informations à Alexa d’Amazon dans le secteur grand public, l’IA est devenue une technologie majeure qui propulse toute l’industrie technologique vers l’avenir.
Que vous soyez une jeune start-up en plein essor ou un géant du secteur comme Microsoft, il y a probablement au moins une partie de votre entreprise qui travaille avec l’IA ou l’apprentissage automatique. Selon une étude de Grand View Research, l’industrie de l’IA était évaluée à 93,5 milliards de dollars US en 2021.
L’IA en tant que force motrice de l’industrie technologique a gagné une importance considérable dans les années 2000 et 2010, mais l’IA existe sous une forme ou une autre depuis au moins 1950 et, selon certains, remonte même à une époque encore plus ancienne.
Les grandes lignes de l’histoire de l’IA, comme le test de Turing et les ordinateurs capables de jouer aux échecs, sont ancrées dans la conscience collective, mais une histoire riche et dense se cache sous la surface des connaissances courantes. Cet article retrace cette histoire et vous montre le parcours de l’IA, de l’idée mythique à la réalité qui transforme le monde.
Voir aussi : Les meilleurs logiciels d’IA
Du folklore aux faits
Si l’IA est souvent considérée comme un concept de pointe, les humains imaginent des intelligences artificielles depuis des millénaires, et ces imaginaires ont eu une influence concrète sur les avancées réalisées aujourd’hui dans ce domaine.
Parmi les exemples mythologiques célèbres figurent l’automate de bronze Talos, protecteur de l’île de Crète, en Grèce, ainsi que les homoncules alchimiques de la Renaissance. Des personnages comme le monstre de Frankenstein, HAL 9000 de 2001 : L’Odyssée de l’espace et Skynet de la franchise Terminator ne sont que quelques-unes des représentations de l’intelligence artificielle dans la fiction moderne.
L’un des concepts fictifs ayant le plus influencé l’histoire de l’IA est celui des Trois Lois de la robotique d’Isaac Asimov. Ces lois sont fréquemment citées lorsque des chercheurs et des organisations du monde réel élaborent leurs propres lois de la robotique.
De fait, lorsque l’Engineering and Physical Sciences Research Council (EPSRC) et l’Arts and Humanities Research Council (AHRC) du Royaume-Uni ont publié leurs 5 principes destinés aux concepteurs, fabricants et utilisateurs de robots, ils ont explicitement cité Asimov comme référence, tout en précisant que les Lois d’Asimov « savèrent tout simplement inapplicables en pratique ».
Le PDG de Microsoft, Satya Nadella, a également mentionné les Lois d’Asimov en présentant ses propres lois pour l’IA, les qualifiant de « bon point de départ, bien qu’en définitive insuffisant ».
Voir aussi : L’avenir de l’intelligence artificielle
Ordinateurs, jeux et Alan Turing
Alors qu’Asimov rédigeait ses Trois Lois dans les années 1940, le chercheur William Grey Walter mettait au point une version rudimentaire et analogique de l’intelligence artificielle. Appelés tortues, ces petits robots pouvaient détecter la lumière et le contact avec leur carapace en plastique, puis y réagir, et fonctionnaient sans ordinateur.
Plus tard, dans les années 1960, l’Johns Hopkins University construisit son Beast, un autre automate dépourvu d’ordinateur qui pouvait se déplacer dans les couloirs de l’université grâce au sonar et se recharger sur des prises murales spéciales lorsque sa batterie faiblissait.
Cependant, l’intelligence artificielle telle que nous la connaissons aujourd’hui allait voir son évolution inextricablement liée à celle de l’informatique. L’article d’Alan Turing publié en 1950, Computing Machinery and Intelligence, qui introduisait le célèbre test de Turing, reste encore influent aujourd’hui. De nombreux premiers programmes d’IA ont été conçus pour jouer à des jeux, comme le programme de jeu de dames de Christopher Strachey, écrit pour l’ordinateur Ferranti Mark I.
Le terme « intelligence artificielle » lui-même n’a été officialisé qu’en 1956, lors de l’atelier de Dartmouth organisé par Marvin Minsky, John McCarthy, Claude Shannon et Nathan Rochester, où McCarthy a donné son nom à ce domaine naissant.
C’est également lors de cet atelier qu’Allen Newell et Herbert A. Simon ont présenté pour la première fois leur programme informatique Logic Theorist, développé avec l’aide du programmeur Cliff Shaw. Conçu pour démontrer des théorèmes mathématiques de la même manière qu’un mathématicien humain, Logic Theorist allait démontrer 38 des 52 premiers théorèmes des Principia Mathematica. Malgré cette réussite, les autres chercheurs présents à la conférence « n’y ont pas accordé beaucoup d’attention », selon Simon.
Les jeux et les mathématiques constituaient les principaux domaines d’application des premières IA, car il était facile d’y appliquer le principe du « raisonnement comme recherche ». Le raisonnement comme recherche, également appelé analyse moyens-fins (MEA), est une méthode de résolution des problèmes qui suit trois étapes fondamentales :
- Déterminer l’état actuel du problème observé (vous avez faim).
- Identifier l’objectif final (vous n’avez plus faim).
- Décider des actions à entreprendre pour résoudre le problème (vous préparez un sandwich et le mangez).
Le fondement de cette première ébauche de l’IA est le suivant : si les actions n’ont pas permis de résoudre le problème, trouver un nouvel ensemble d’actions et répéter l’opération jusqu’à ce que le problème soit résolu.
Réseaux neuronaux et langages naturels
Les gouvernements de la guerre froide étant prêts à financer tout ce qui pouvait leur donner un avantage sur le camp adverse, la recherche en IA a bénéficié d’une importante vague de financements de la part d’organisations comme la DARPA tout au long des années 1950 et 1960.
Ces recherches ont donné naissance à plusieurs avancées dans le domaine de l’apprentissage automatique. Par exemple, le General Problem Solver de Simon et Newell, qui utilisait la MEA, générait des heuristiques, c’est-à-dire des raccourcis mentaux susceptibles d’écarter les pistes de résolution que l’IA pouvait explorer mais qui n’avaient probablement aucune chance d’aboutir au résultat souhaité.
Proposé initialement dans les années 1940, le premier réseau neuronal artificiel a été inventé en 1958 grâce au financement de l’Office of Naval Research des États-Unis.
Une priorité majeure des chercheurs de cette période consistait à faire comprendre le langage humain à l’IA. Daniel Brubow a contribué à ouvrir la voie au traitement automatique du langage avec son programme STUDENT, conçu pour résoudre des problèmes formulés en langage naturel.
En 1966, Joseph Weizenbaum a présenté le premier chatbot, ELIZA, un acte dont les internautes du monde entier lui sont reconnaissants. La théorie de la dépendance conceptuelle de Roger Schank, qui tentait de convertir les phrases en concepts élémentaires représentés sous forme d’un ensemble de mots-clés simples, fut l’une des premières avancées les plus influentes de la recherche en IA.
Voir aussi : Tendances de l’analytique des données
Le premier hiver de l’IA
Dans les années 1970, l’optimisme omniprésent dans la recherche en IA des années 1950 et 1960 a commencé à s’estomper. Les financements se sont taris lorsque les promesses démesurées ont été confrontées aux innombrables problèmes concrets auxquels se heurtait la recherche en IA. Le principal d’entre eux était la puissance de calcul limitée.
Comme l’expliquait Bruce G. Buchanan dans un article publié par AI Magazine : « Les premiers programmes étaient nécessairement limités dans leur portée par la taille et la vitesse de la mémoire et des processeurs, ainsi que par la relative maladresse des premiers systèmes d’exploitation et langages. » Cette période, marquée par la disparition des financements et le déclin de l’optimisme, est devenue célèbre sous le nom d’hiver de l’IA.
Cette période a été marquée par des revers et des désaccords interdisciplinaires entre les chercheurs en IA. Le livre de 1969 de Marvin Minsky et Frank Rosenblatt, Perceptrons, a tellement discrédité le domaine des réseaux neuronaux que très peu de recherches y ont été menées jusqu’aux années 1980.
Il y avait ensuite la division entre les tenants de l’approche « neats » et ceux de l’approche « scruffys ». Les « neats » privilégiaient la logique et le raisonnement symbolique pour entraîner et instruire leur IA. Ils voulaient que l’IA résolve des problèmes logiques comme les théorèmes mathématiques.
John McCarthy a introduit l’idée d’utiliser la logique en IA avec sa proposition Advice Taker de 1959. Par ailleurs, le langage de programmation Prolog, développé en 1972 par Alan Colmerauer et Phillipe Roussel, a été conçu spécifiquement comme langage de programmation logique et est encore utilisé aujourd’hui dans l’IA.
Pendant ce temps, les « scruffys » tentaient de faire résoudre à l’IA des problèmes qui exigeaient qu’elle pense comme une personne. Dans un article publié en 1975, Marvin Minsky a décrit une approche courante des chercheurs « scruffy », appelée « frames.”
». Les frames sont une manière pour les humains comme pour l’IA de donner du sens au monde. Lorsque vous rencontrez une nouvelle personne ou un nouvel événement, vous pouvez vous appuyer sur vos souvenirs de personnes et d’événements similaires pour vous faire une idée générale de la marche à suivre, par exemple lorsque vous commandez à manger dans un nouveau restaurant. Vous ne connaissez peut-être ni le menu ni les personnes qui vous servent, mais vous savez globalement comment passer commande grâce à vos expériences passées dans d’autres restaurants.
Du monde universitaire à l’industrie
Les années 1980 ont marqué un regain d’enthousiasme pour l’IA. R1, un système expert mis en œuvre par la Digital Equipment Corporation en 1982, aurait permis à l’entreprise d’économiser 40 millions de dollars US par an en 1986. Le succès de R1 a prouvé la viabilité de l’IA comme outil commercial et suscité l’intérêt d’autres grandes entreprises comme DuPont.
En outre, le projet japonais de cinquième génération, qui cherchait à créer des ordinateurs intelligents fonctionnant avec Prolog de la même manière que les ordinateurs classiques fonctionnent avec du code, a éveillé davantage l’intérêt des entreprises américaines. Ne voulant pas être en reste, les entreprises américaines ont injecté des fonds dans la recherche en IA.
Pris dans leur ensemble, cet intérêt croissant et ce déplacement vers la recherche industrielle ont fait passer la valeur de l’industrie de l’IA à 2 milliards de dollars US en 1988. Après ajustement pour tenir compte de l’inflation, cela représente près de 5 milliards de dollars US en 2022.
Voir aussi : Tendances de la gestion des données en temps réel
Le deuxième hiver de l’IA
Dans les années 1990, cependant, l’intérêt a commencé à décliner, de manière très similaire à ce qui s’était produit dans les années 1970. En 1987, Jack Schwartz, alors nouveau directeur de la DARPA, a effectivement supprimé les financements de l’IA de l’organisation, mais les fonds déjà affectés ne se sont taris qu’en 1993.
Le projet de cinquième génération n’avait pas atteint nombre de ses objectifs après 10 ans de développement et, les entreprises trouvant moins coûteux et plus facile d’acheter des puces polyvalentes produites en série et de programmer des applications d’IA dans les logiciels, le marché du matériel spécialisé pour l’IA, comme les machines LISP, s’est effondré, entraînant une contraction globale du marché.
En outre, les systèmes experts qui avaient démontré la viabilité de l’IA au début de la décennie ont commencé à révéler une faille fatale. À mesure qu’un système restait en service, il ajoutait continuellement de nouvelles règles de fonctionnement et nécessitait une base de connaissances toujours plus vaste. Finalement, le personnel humain nécessaire pour entretenir et actualiser cette base de connaissances augmentait jusqu’à ce que la maintenance devienne financièrement intenable. La combinaison de ces facteurs et d’autres encore a entraîné le deuxième hiver de l’IA.
Voir aussi : Les meilleures entreprises de transformation numérique
Vers le nouveau millénaire et le monde moderne de l’IA
La fin des années 1990 et le début des années 2000 ont donné les premiers signes du printemps de l’IA à venir. Certains des objectifs les plus anciens de l’IA ont enfin été atteints, notamment la victoire de Deep Blue en 1997 sur le champion du monde d’échecs de l’époque, Gary Kasparov, un moment historique pour l’IA.
Des outils mathématiques plus sophistiqués et la collaboration avec des domaines comme l’électrotechnique ont transformé l’IA en une discipline scientifique davantage axée sur la logique, permettant aux « neats » mentionnés précédemment de prendre le dessus sur leurs homologues « scruffys ». Pour sa part, Marvin Minsky a déclaré en 2003 que le domaine de l’IA était « en état de mort cérébrale » depuis 30 ans et l’avait toujours été.
Parallèlement, l’IA a trouvé des applications dans de nombreux nouveaux secteurs industriels : algorithme du moteur de recherche de Google, exploration de données et reconnaissance vocale, pour n’en citer que quelques-uns. De nouveaux superordinateurs et programmes se sont retrouvés en compétition avec les meilleurs adversaires humains, voire les ont battus, comme Watson d’IBM, qui a remporté Jeopardy! en 2011 face à Ken Jennings, lequel avait autrefois gagné 74 épisodes consécutifs du jeu télévisé.
Parmi les applications de l’IA les plus marquantes de ces dernières années figurent les algorithmes de Facebook, capables de déterminer quelles publications vous voyez et à quel moment, afin de personnaliser l’expérience en ligne des utilisateurs de la plateforme. On trouve des algorithmes aux fonctions similaires sur des sites comme Youtube et Netflix, où ils prédisent les contenus que les spectateurs voudront regarder ensuite en fonction de leur historique.
Les bénéfices de ces algorithmes pour qui que ce soit d’autre que les résultats financiers de ces entreprises font débat, puisque même d’anciens employés ont témoigné devant le Congrès des dangers qu’ils peuvent faire courir aux utilisateurs.
Parfois, ces innovations n’étaient même pas reconnues comme relevant de l’IA. Comme l’a déclaré Nick Brostrom dans une interview accordée à CNN en 2006 : « Une grande partie de l’IA de pointe s’est intégrée dans des applications générales, souvent sans être appelée IA, car dès qu’une technologie devient suffisamment utile et courante, elle n’est plus étiquetée comme IA. »
La tendance à ne pas appeler IA l’intelligence artificielle utile n’a pas perduré dans les années 2010. Désormais, les start-up comme les acteurs établis de la technologie se précipitent pour affirmer que leur dernier produit est alimenté par l’IA ou l’apprentissage automatique. Dans certains cas, ce désir est si fort que certains déclarent leur produit propulsé par l’IA, même lorsque les fonctionnalités de celle-ci sont discutables.
L’IA s’est introduite dans les foyers de nombreuses personnes, que ce soit par l’intermédiaire des algorithmes de réseaux sociaux mentionnés précédemment ou d’assistants virtuels comme Alexa d’Amazon. À travers les hivers et les bulles qui éclatent, le domaine de l’intelligence artificielle a persévéré et est devenu un élément extrêmement important de la vie moderne, et il est susceptible de connaître une croissance exponentielle dans les années à venir.