Cet article est le premier d’une série de sept sur l’intelligence artificielle. Il est conçu comme un survol rigoureux mais accessible, à destination des étudiants MMI et de quiconque veut comprendre l’IA au-delà du battage médiatique.
Le problème de la définition
Il n’existe pas de consensus sur ce qu’est l’intelligence artificielle. Russell et Norvig, dans leur manuel de référence Artificial Intelligence: A Modern Approach (2021), organisent les définitions existantes en quatre quadrants1 :
| Pensée | Action | |
|---|---|---|
| Comme un humain | Systèmes qui pensent comme des humains | Systèmes qui agissent comme des humains |
| Rationnellement | Systèmes qui pensent rationnellement | Systèmes qui agissent rationnellement |
La plupart des chercheurs modernes se situent dans le quadrant « agir rationnellement » : un agent rationnel qui perçoit son environnement et prend des actions pour maximiser un objectif. Mais le grand public pense plutôt « agir comme un humain » — d’où le décalage permanent entre les attentes et la réalité.
Le test de Turing et ses limites
En 1950, Alan Turing propose dans son article Computing Machinery and Intelligence un test opérationnel : si un interrogateur humain ne peut pas distinguer une machine d’un être humain dans une conversation en texte, la machine peut être considérée comme « intelligente »2.
Le test a le mérite de la simplicité. Mais il a des défauts majeurs :
- Il mesure la simulation de l’intelligence, pas l’intelligence elle-même
- Un perroquet très sophistiqué pourrait le passer
- Il ne teste que les capacités langagières, pas la perception, le raisonnement spatial, la motricité
- John Searle, avec son argument de la Chambre chinoise (1980), montre qu’un système peut manipuler des symboles correctement sans rien « comprendre »3
Les LLMs actuels (ChatGPT, Claude, Gemini) passent probablement le test de Turing dans la plupart des contextes conversationnels. Cela ne signifie pas qu’ils sont intelligents — cela signifie que le test est insuffisant.
IA faible, IA forte, IA générale
Ces trois termes structurent le débat depuis les années 1980 :
L’IA faible (narrow AI, ANI) — un système conçu pour une tâche spécifique. C’est l’intégralité de l’IA qui existe aujourd’hui : reconnaissance d’images, traduction, génération de texte, jeu d’échecs. Chaque système excelle dans son domaine et est inutile en dehors.
L’IA forte — un système qui possède une compréhension et une conscience réelles. C’est la position philosophique selon laquelle une machine pourrait véritablement penser, pas seulement simuler la pensée. La plupart des chercheurs en IA ne travaillent pas dans cette direction et beaucoup considèrent la question comme mal posée.
L’IA générale (AGI) — un système capable de réaliser n’importe quelle tâche intellectuelle qu’un être humain peut accomplir. C’est l’objectif affiché de certains laboratoires (OpenAI, DeepMind). C’est distinct de l’IA forte : une AGI pourrait être généraliste sans être consciente.
Ce que l’IA n’est pas
Quelques idées reçues à déconstruire :
- L’IA n’est pas un cerveau artificiel. Les réseaux de neurones artificiels s’inspirent vaguement du cerveau biologique, mais le parallèle s’arrête là. Un neurone artificiel est une multiplication matricielle, pas une cellule vivante.
- L’IA ne « comprend » pas au sens humain du terme. Les LLMs produisent du texte statistiquement plausible, ils ne raisonnent pas sur le monde.
- L’IA n’est pas autonome. Chaque système d’IA est conçu, entraîné, déployé et surveillé par des humains. L’autonomie est un spectre, pas un interrupteur.
- L’IA n’est pas nouvelle. Le terme date de 1956, les premières réalisations des années 1960. Ce qui est nouveau, c’est la puissance de calcul et le volume de données disponibles.
Prochain article : L’histoire de l’IA — de Turing aux transformers.