Comment l'intelligence artificielle, de ses débuts historiques à ses applications contemporaines, a-t-elle révolutionné divers domaines en s'appuyant sur des avancées technologiques et méthodologiques, et quelles sont les distinctions et implications des différentes formes d'IA pour l'avenir ?
Rédiger, créer, analyser, organiser, composer, déduire, automatiser… l’intelligence artificielle démontre chaque jour un peu plus ses capacités et sa puissance. Révélée au grand public avec ChatGPT, Llama, Gemini, Mistral, Midjourney ou encore Copilot, l’IA est une discipline scientifique qui anime les chercheurs depuis les années 1940 et qui s’est développée grâce aux progrès en informatique et en mathématiques. Dans les années 1960 et 1970, des évolutions importantes sont réalisées en matière de résolution de problèmes, de recherche d’informations, de traitement du langage naturel. Avec l’avènement des premiers microprocesseurs fin 1970, l’IA prend un nouvel essor et entre dans l’âge d’or des systèmes experts.
Le 11 mai 1997, le monde entier découvre le potentiel de l’intelligence artificielle lors d’une partie d’échecs opposant le champion mondial Garry Kasparov et Deep Blue, le supercalculateur développé par IBM. Ce jour-là, devant les caméras du monde entier, le maître des échiquier s’est incliné au bout de six parties, sur le score final de 3,5 points à 2,5. L’intelligence artificielle venait de remporter sa première victoire sur le cerveau humain.
À partir de 2010, le développement des supercalculateurs et des superprocesseurs (GPU) permet aux IA de traiter des centaines de millions de données en un temps record. En 2012, le laboratoire de recherche de Google arrive à faire reconnaître à une IA des chats sur une vidéo. Avec le recul cette expérience paraît anodine, mais en réalité c’est la première fois qu’une machine apprend à distinguer quelque chose ! Dorénavant, il n’est plus question de coder des règles mais de laisser les ordinateurs les découvrir seuls par corrélation et classification, sur la base d’une quantité massive de données.
Le fonctionnement de l’intelligence artificielle repose en effet sur la collecte, le traitement et l’analyse d’importantes quantités de données et ce de façon continue. Plus la qualité des informations fournies pour alimenter l’IA est bonne, plus la réponse apportée par l’application sera de qualité.
La première étape, fondamentale pour qu’elle soit opérationnelle, est le traitement de la donnée. L’IA collecte, stocke et analyse de la data pour acquérir des connaissances (machine learning). Avec des techniques comme l’analyse statique, elle va être en capacité de résumer, d’organiser et de tirer des conclusions grâce aux données reçues. De cette manière, elle pourra ensuite entraîner un modèle, puis le tester et enfin le déployer.
Sous-catégorie de l’IA utilisé notamment par les chatbots et assistants vocaux, le traitement du langage naturel (aussi appelé par l’acronyme anglais NLP pour Natural Language Processing), permet de segmenter des phrases, extraire des relations ou encore étiqueter des parties de discours pour être capable de réaliser des tâches comme la reconnaissance de la parole, la génération de textes ou encore la traduction automatique.
La puissance de l’IA repose aussi sur le data mining. Comme l’explique le site Le Big Data, ce terme désigne l’analyse de données depuis différentes perspectives et le fait de transformer ces données en informations utiles, en établissant des relations entre les données ou en repérant des patterns (schémas). L’autre pilier de l’apprentissage automatique est le réseau de neurones et ce que l’on appelle « l’apprentissage profond » ou deep learning. La CNIL définit ce processus comme étant « un ensemble organisé de neurones interconnectés permettant la résolution de problèmes complexes ».
Si tous ces termes suscitent fascination et crainte, il est important de rappeler en conclusion qu’il existe trois types d’IA, chacune étant caractérisée par ses propres capacités et limites. L’IA faible ou IA étroite est spécialisée dans une seule tâche ou un petit ensemble de tâches. Elle n’a pas la capacité de penser ou de raisonner en dehors de son domaine de spécialisation. L’IA générale ou IA forte possède la capacité de raisonner, d’apprendre et de résoudre des problèmes dans n’importe quel domaine, tout comme un être humain. Elle reste largement théorique et n’existe pas encore sous une forme pleinement fonctionnelle. L’IA super intelligente relève d’un concept futuriste où les machines surpasseront les humains dans la plupart des activités exigeantes. Face aux défis à venir, il est primordial pour toutes les parties prenantes de comprendre ces distinctions afin d’anticiper et d’encadrer les avancées futures.
Envie d’en savoir plus sur les dernières actualités IA ? TD SYNNEX vous propose de découvrir Destination IA.
Newsroom
Services TD SYNNEX
Événements
RSE
Cloud
Réseaux & cybersécurité
Data, IA & IoT
Logiciels
Ordinateurs
Mobility
Périphériques & Accessoires
Impression
Education
Modern Workspace
Audiovisuel
