On parle d'intelligence artificielle depuis plus de 70 ans. Pourtant, pour la plupart d'entre nous, l'IA est devenue concrète en quelques mois, fin 2022, avec l'arrivée de ChatGPT. Pour bien utiliser ces outils, il faut d'abord comprendre d'où ils viennent et ce qui les rend différents.
Qu'est-ce que l'intelligence artificielle ?
Intelligence artificielle (IA)
Ensemble de techniques permettant à une machine de réaliser des tâches qui demandent habituellement de l'intelligence humaine : reconnaître une image, comprendre une phrase, prendre une décision, traduire, rédiger…
L'IA n'est donc pas une technologie unique mais une famille de méthodes, qui s'emboîtent comme des poupées russes :
- L'IA « symbolique » (années 1950 à 1990) : des experts écrivent des règles à la main (si la température dépasse 38 °C et que…, alors…). Efficace dans des domaines très cadrés, mais impossible à généraliser.
- L'apprentissage automatique (machine learning) : au lieu d'écrire les règles, on montre à la machine des milliers d'exemples et elle en déduit elle-même les régularités. C'est ainsi que fonctionne votre filtre anti-spam.
- L'apprentissage profond (deep learning) : une forme d'apprentissage automatique qui utilise des réseaux de neurones artificiels à nombreuses couches. Il a permis des progrès spectaculaires en reconnaissance d'images et de la parole à partir de 2012.
- L'IA générative : des modèles d'apprentissage profond capables non plus seulement de classer ou de prédire, mais de créer du contenu nouveau : texte, image, son, vidéo, code.
Une brève histoire en sept dates
Deux dates sont à retenir pour comprendre la vague actuelle :
- 2017 : des chercheurs de Google publient l'architecture Transformer (article Attention Is All You Need). Elle permet de traiter efficacement de très longs textes en tenant compte des relations entre tous les mots. C'est le « T » de GPT (Generative Pre-trained Transformer).
- Novembre 2022 : OpenAI ouvre ChatGPT au grand public. Pour la première fois, n'importe qui peut dialoguer en langage naturel avec un modèle puissant. Le service atteint environ 100 millions d'utilisateurs en deux mois, un record à l'époque.
Depuis, l'offre s'est multipliée (Claude, Gemini, Mistral, Llama, Copilot…) et les modèles sont devenus multimodaux : ils lisent des images et des documents, écoutent, parlent, génèrent des visuels.
IA classique contre IA générative
| IA « classique » (prédictive) | IA générative | |
|---|---|---|
| Ce qu'elle fait | Classe, détecte, prédit | Crée un contenu nouveau |
| Exemple | « Cet e-mail est un spam à 97 % » | « Voici une réponse polie à cet e-mail » |
| Entrée | Données structurées, souvent chiffrées | Langage naturel, images, documents |
| Utilisateur type | Data scientist | Tout le monde |
| Résultat | Une étiquette ou un chiffre | Un texte, une image, un code… |
À retenir
L'IA générative ne « cherche » pas une réponse dans une base de données comme le fait un moteur de recherche. Elle produit une réponse plausible, mot après mot, à partir de ce qu'elle a appris. C'est ce qui la rend si utile pour rédiger… et ce qui explique qu'elle puisse se tromper avec aplomb.
Les grandes familles d'IA générative
| Famille | Ce qu'elle génère | Exemples d'outils |
|---|---|---|
| Texte et conversation | Textes, réponses, résumés, code | ChatGPT, Claude, Gemini, Le Chat, Copilot |
| Images | Illustrations, photos réalistes, logos | Midjourney, DALL·E, Adobe Firefly, Stable Diffusion |
| Audio et voix | Voix de synthèse, musique, doublage | ElevenLabs, Suno |
| Vidéo | Clips, avatars parlants | Runway, Sora, Synthesia, HeyGen |
| Code | Programmes, scripts, corrections | GitHub Copilot, Claude Code, Cursor |
Dans ce parcours, nous nous concentrons sur les assistants conversationnels (texte), qui sont les plus utiles au quotidien. L'image, la voix et les données sont abordées au jour 4.
Pourquoi c'est une rupture pour le travail
Jusqu'ici, utiliser l'informatique demandait d'apprendre le langage de la machine : menus, formules Excel, langages de programmation. Avec l'IA générative, c'est la machine qui comprend notre langage. Les conséquences sont importantes :
- Démocratisation : un assistant de direction peut automatiser une tâche sans savoir programmer.
- Accélération : un premier jet de rapport, de présentation ou de procédure en quelques minutes.
- Transformation des métiers : les études (OCDE, Organisation internationale du travail) estiment qu'une majorité d'emplois de bureau seront transformés plutôt que remplacés. La valeur se déplace vers ce que l'IA fait mal : jugement, relation, expertise, vérification.
Exemple concret
Claire, assistante RH dans une PME, passait deux heures à rédiger chaque fiche de poste. Avec un assistant IA et un modèle de prompt (que vous apprendrez à construire au jour 2), elle obtient un premier jet structuré en cinq minutes, qu'elle relit et adapte en vingt minutes. Gain : plus d'une heure par fiche, et des annonces plus homogènes.
En résumé
- L'IA est une famille de techniques ; l'IA générative en est la branche la plus récente.
- Elle repose sur l'apprentissage profond et l'architecture Transformer (2017).
- Elle crée des contenus au lieu de simplement classer ou prédire.
- Elle rend l'informatique accessible en langage naturel, ce qui transforme de nombreux métiers.
Dans la prochaine leçon, nous ouvrons le capot : comment un modèle de langage produit-il une réponse ?