L’ESSENTIEL
Comprendre son passé aide à mieux voir les progrès de l'IA, ce qu'elle promet et comment on en parle. Déjà en 1970, Marvin Minsky, un mathématicien, disait : « Dans les trois à huit prochaines années, nous aurons une machine avec une intelligence générale comme celle d'un humain moyen. » Cela vous dit quelque chose ?
L'« effet IA », expliqué par Rodney Brooks, un spécialiste de robotique, dès 1987 : « Tant qu'on ne sait pas faire, c'est de l'IA. Dès qu'on sait faire, c'est juste du calcul. » Intéressant, n'est-ce pas ?
N'oublions pas la « loi d'Amara », formulée en 1978 : « On a tendance à exagérer l'impact d'une technologie à court terme et à le minimiser à long terme. » Oups.
Il est difficile aujourd'hui de ne pas entendre parler de l'expression « intelligence artificielle » (IA), car elle est très présente dans les médias, sur les réseaux sociaux et, dans une moindre mesure, dans le monde du travail. Cette forte présence médiatique (on appelle cela le "hype") n'est pas nouvelle pour l'intelligence artificielle. Nous avons déjà connu des périodes d'enthousiasme médiatique similaires, même si la période actuelle est particulièrement intense.
Cet enthousiasme médiatique s'accompagne, aujourd'hui comme hier, d'une promesse de révolution technologique dont les effets se font pourtant attendre. Cela amène certains à douter de son arrivée réelle. En même temps, les investissements très importants ne semblent pas pouvoir durer à court terme selon certains économistes, ce qui fait craindre un éclatement de la bulle, qui pourrait avoir des conséquences graves pour l'économie mondiale.
Pour comprendre cette situation, il faut revenir un peu sur la longue histoire de l'IA.
Une définition peu claire, faite exprès
Le terme « intelligence artificielle » est officiellement apparu en 1955 grâce à John McCarthy (un des fondateurs de l'IA), pour préparer la conférence de Dartmouth aux États-Unis en 1956. Cette conférence est considérée par beaucoup comme le début de l'IA, même si elle n'aurait pas pu exister sans les travaux importants d'Alan Turing (père de l'informatique moderne), de Norbert Wiener (père de la cybernétique) et de beaucoup d'autres.
L'expression « intelligence artificielle » était voulue comme très attrayante, au grand regret des collègues de McCarthy, qui la trouvaient déjà trop chargée de sens.
Même si les premiers résultats ont été très encourageants, les fondateurs ont rapidement fait des promesses qu'il n'était pas possible de tenir à l'époque, et certaines le sont encore aujourd'hui. Ainsi, Marvin Minsky écrivait déjà en 1970 dans le magazine Life :
« D’ici trois à huit ans, nous disposerons d’une machine dotée d’une intelligence générale équivalente à celle d’un être humain moyen. »
Plus de cinquante ans plus tard, nous n'avons toujours pas cette intelligence artificielle générale qui serait égale à notre intelligence. Pourtant, les nouveaux défenseurs de l'IA la promettent pour très bientôt.
Par exemple, Sam Altman (le directeur d'OpenAI) l'a annoncée en 2024 pour 2025. Elon Musk (xAI) l'a annoncée pour la fin 2026. Dario Amodei (le directeur d'Anthropic) la voit arriver entre 2027 et 2030, et Demis Hassabis (le directeur de Google DeepMind) pense qu'elle arrivera en 2029.
La puissance de la force brute
Cependant, les progrès et les avancées de la bonne vieille IA (appelée « GOFAI » pour Good old fashioned artificial intelligence) sont réels. Aujourd'hui, un ensemble de techniques issues de l'IA font partie de notre quotidien sans même que nous y prêtions attention. Vous voulez :
aller d'un point A à un point B ? C'est un vieux problème de l'IA résolu en partie en 1956 (algorithme de Dijkstra) ;
jouer aux échecs avec un ordinateur ? Le programme Kotok-McCarthy a été créé en 1959 ;
parler avec un chatbot ? Eliza (créé par Weizenbaum) permettait déjà de le faire en 1966 ;
prouver des théorèmes mathématiques ? Le programme Logic Theorist de Newell, Simon et Shaw, en 1956, a pu prouver 38 des 52 théorèmes des Principia Mathematica ;
reconnaître un visage dans une foule ? Takeo Kanade en a fait la première démonstration en 1973.
Ces résultats, qui étaient très importants à leur époque, ne nous impressionnent plus beaucoup aujourd'hui. C'est peut-être pour cela que, pour le grand public, l'IA commence avec les IA qui créent du contenu (texte, image, son), et en particulier avec ChatGPT, qui est un grand modèle de langage (LLM) mis en ligne en 2022 par OpenAI.
À lire aussi : ChatGPT : pourquoi tout le monde en parle ?
Cette révolution de l’IA s’est véritablement faite en deux temps
En 2012, lors de la conférence Neural Information Processing Systems (NIPS), Geoffrey Hinton (qui a reçu le prix Turing en 2018 et le prix Nobel de physique en 2024) et ses collègues ont présenté les résultats d'une architecture neuronale pour la reconnaissance d'images.
Les performances de ce modèle étaient incroyables par rapport aux techniques habituelles de l'époque. Alors que la communauté pensait qu'il fallait des modèles très spécifiques et intelligents, qui connaissaient bien la reconnaissance d'images, Hinton a montré au contraire que la force brute fonctionnait beaucoup mieux.
Ce qu'il faut retenir de ce modèle, ce n'est donc pas tant son originalité (car son architecture avait été imaginée des décennies plus tôt par d'autres chercheurs), mais plutôt l'énorme puissance de calcul qui a été utilisée pour le faire fonctionner et obtenir ce résultat important.
C'est sur ce même principe de « force brute » que Google a également fait une avancée majeure dans la traduction automatique en 2016. Alors que les linguistes essayaient depuis longtemps d'introduire les règles de grammaire de nombreuses langues, Google a utilisé une méthode très puissante basée sur d'énormes quantités de données.
C'est encore ce même principe de force brute qui a mené à ChatGPT et à d'autres grands modèles de langage. En utilisant ces mêmes principes de réseaux de neurones profonds, des volumes de données gigantesques et une puissance de calcul hors norme, OpenAI a, en quelque sorte, libéré le kraken. Ils ont été aidés par une avancée majeure sur le plan architectural : les transformers, dont l'article original est l'un des plus cités de toute l'histoire de la recherche, dans toutes les disciplines.
Les mêmes causes produiront-elles les mêmes effets ?
Tout en reconnaissant ces avancées importantes, on ne peut s'empêcher de comparer la situation actuelle avec ce que l'on appelle « les deux hivers de l'IA ».
Le premier hiver de l'IA, qui s'est situé entre 1974 et 1980, est une conséquence directe des promesses non tenues (traduction automatique, reconnaissance vocale, etc.). Ces promesses ont été soulignées par le rapport très critique du mathématicien britannique James Lighthill en 1973, ainsi que par les limites de la puissance de calcul de l'époque. Cela a entraîné des réductions importantes de financements.
Au début des années 1990, l'IA est revenue avec l'idée des systèmes experts (qui raisonnent à partir de règles). Là aussi, les attentes étaient démesurées, ce qui a conduit à un deuxième hiver de l'IA, qui a duré jusqu'au début des années 2010.
Pourtant, la recherche en IA ne s'est pas complètement arrêtée pendant cette période. De nombreux résultats ont été intégrés dans différentes technologies de la vie courante (reconnaissance automatique de caractères, correction automatique, aide à la décision, navigation routière, etc.). Mais ces technologies ont souffert de l'« effet IA », comme l'a expliqué Rodney Brooks dans un article qui a marqué la communauté à la fin des années 1980 :
« Tant qu’on ne sait pas faire, c’est de l’IA. Dès qu’on sait faire, c’est du calcul. »
Pour ceux qui ont travaillé dans le monde universitaire au début des années 2000, la période actuelle est assez amusante. Imaginez un instant qu'il y a vingt-cinq ans, les mots « intelligence artificielle » étaient interdits dans les conversations et surtout (auto-censurés) dans toutes les demandes de financement, tant les deux hivers de l'IA avaient marqué les esprits. Aujourd'hui, la simple mention du terme IA suffit à faire briller les yeux des financiers et du grand public. Même si cet « effet waouh » commence à s'estomper, il pourrait même devenir contre-productif.
L'avenir de l'IA reste donc à écrire. Mais comme nous l'explique la loi d'Amara, formulée en 1978 :
« Nous avons tendance à surestimer l’effet d’une technologie à court terme et à le sous-estimer à long terme. »
Il est certain que les nouvelles technologies d'IA changent et changeront notre quotidien (pour le mieux ou pour le pire). Mais nous ne sommes pas à l'abri d'un troisième hiver de l'IA, qui pourrait entraîner des changements assez importants. C'est en partie ce qui se passe avec des entreprises qui réembauchent des employés qu'elles avaient licenciés auparavant au nom de l'IA.
Quant à l'idée d'une intelligence artificielle générale, elle est pour le moment hors de portée.
Nicolas P. Rougier a reçu des financements de l'ANR.