L'IA n'est pas née en 2022. Elle a 75 ans, deux hivers et une explosion récente.
Ce que tu vas apprendre
Situer les 8 dates qui ont fait l'IA, de Turing en 1950 à ChatGPT
Comprendre pourquoi l'IA a explosé en 2022 et pas avant
Savoir d'où vient le terme « intelligence artificielle »
ChatGPT ne sort pas de nulle part. Derrière la fenêtre de chat que tu utilises aujourd'hui, il y a plus de 75 ans de recherche, deux longues périodes où plus personne ne voulait financer le domaine, puis une accélération brutale à partir de 2012. Cette leçon te raconte cette histoire en huit dates, de la question posée par un mathématicien anglais en 1950 jusqu'aux chiffres d'usage de 2026.
Commencer par l'histoire t'évite deux erreurs : croire que l'IA est magique, ou croire qu'elle est consciente. Elle n'est ni l'une ni l'autre.
Tu t'en sers d'ailleurs depuis longtemps sans le savoir : le filtre anti-spam de ta boîte mail, le correcteur de ton téléphone et le calcul d'itinéraire de ton GPS reposent sur des techniques d'IA. À la fin de la leçon, tu sauras d'où viennent les mots que tout le monde emploie de travers. Les annonces spectaculaires te paraîtront aussi beaucoup moins mystérieuses.
75 ans d'IA en 8 jalons
L’idée fondatrice01 / 08
1950
Alan Turing pose LA question
Dans la revue scientifique Mind, le mathématicien britannique Alan Turing publie « Computing Machinery and Intelligence ». Première phrase de l’article : « Je propose d’examiner la question : les machines peuvent-elles penser ? ». Turing n’est pas un inconnu. Pendant la Seconde Guerre mondiale, à Bletchley Park, il a joué un rôle décisif dans le décryptage d’Enigma, la machine de chiffrement de l’armée allemande. Plutôt que de débattre du sens du mot « penser », il propose un test concret, le « jeu de l’imitation » : un juge échange par écrit avec deux interlocuteurs cachés, un humain et une machine. S’il n’arrive pas à les distinguer, la machine gagne. Tu connais ce jeu sous son nom moderne, le test de Turing. Turing prédit qu’autour de l’an 2000, après cinq minutes de conversation, un juge moyen se trompera au moins une fois sur trois. Il faudra attendre 2025 : dans une prépublication de chercheurs de l’université de Californie à San Diego, GPT-4.5, à qui l’on a demandé de jouer un personnage humain, est pris pour l’humain dans 73 % des conversations de cinq minutes. Selon ses auteurs, c’est la première preuve expérimentale qu’une machine réussit le test dans sa version standard. Turing avait posé tout ça avant même que le mot « intelligence artificielle » existe.
À retenir
Le test de Turing est né avant même que le mot « intelligence artificielle » existe.
La naissance d’un nom02 / 08
1956
Le terme « intelligence artificielle » est inventé
John McCarthy, jeune professeur de mathématiques au Dartmouth College, propose d’y réunir dix chercheurs pendant deux mois, à l’été 1956. Avec Marvin Minsky, Nathaniel Rochester (IBM) et Claude Shannon, il rédige en 1955 la demande de financement. Son titre emploie un terme encore jamais vu : « artificial intelligence ». L’hypothèse de départ tient en une phrase du document : chaque aspect de l’apprentissage et de l’intelligence peut, en principe, être décrit assez précisément pour qu’une machine le simule. L’ambition est à la hauteur. Les auteurs pensent qu’un été de travail en petit groupe suffira à faire nettement progresser au moins l’un des problèmes qu’ils listent. L’atelier de 1956 fonde la discipline. Soixante-dix ans plus tard, la recherche n’en a toujours pas fini avec ces problèmes. Retiens surtout ceci : « intelligence artificielle » désignait un programme de recherche bien avant de désigner les outils que tu utilises aujourd’hui.
À retenir
Le mot « intelligence artificielle » a 70 ans, bien plus que les outils qu’il désigne aujourd’hui.
La première illusion03 / 08
1966
ELIZA, le premier chatbot
Joseph Weizenbaum, informaticien au MIT, publie ELIZA, souvent présenté comme le premier chatbot de l’histoire. Son scénario le plus connu, DOCTOR, imite un psychothérapeute avec une astuce simple : repérer un mot-clé dans ta phrase et te la renvoyer sous forme de question. Écris « je me dispute avec ma mère » et ELIZA te demandera de lui parler de ta famille. Le programme ne comprend rien à ce que tu racontes. Des utilisateurs s’y attachent pourtant et lui confient des choses intimes. Weizenbaum raconte que sa propre secrétaire, qui l’avait vu écrire le programme pendant des mois, lui a demandé un jour de quitter la pièce pour discuter seule avec ELIZA. Le chercheur en reste marqué, au point de publier dix ans plus tard un livre entier pour mettre en garde contre ce genre de machine. Ce réflexe porte aujourd’hui un nom, l’effet ELIZA : notre tendance à prêter une compréhension humaine à une machine qui n’en a aucune. Avec ChatGPT, dont les réponses sont autrement plus fluides, il joue à plein. Garde-le en tête à chaque conversation.
À retenir
L’effet ELIZA : prêter une compréhension humaine à une machine qui n’en a aucune.
Les années de gel04 / 08
1974-93
Les deux hivers de l’IA
Les promesses des pionniers ne se réalisent pas. En 1973, le mathématicien James Lighthill remet au Science Research Council, le principal financeur de la recherche universitaire britannique, un rapport sévère : « Dans aucune partie du domaine, les découvertes faites jusqu’ici n’ont eu l’impact majeur promis à l’époque. » Le Royaume-Uni coupe ses crédits. Les États-Unis réduisent les leurs peu après. C’est le premier « hiver de l’IA ». Le domaine repart dans les années 1980 grâce aux systèmes experts, des programmes qui encodent les règles de décision d’un spécialiste (un médecin, un géologue). Les entreprises en achètent beaucoup. Puis le vent tourne : ces systèmes coûtent cher à maintenir et s’adaptent mal au moindre cas imprévu. En 1987, le marché des ordinateurs spécialisés qui les faisaient tourner s’effondre. Deuxième hiver, jusqu’au début des années 1990. Pendant cette période, des chercheurs rebaptisent leurs travaux pour éviter l’étiquette « intelligence artificielle », devenue un repoussoir auprès des financeurs. Retiens que l’IA a déjà connu deux cycles complets d’emballement puis de déception. Ça aide à garder la tête froide face aux annonces actuelles.
À retenir
L’IA a déjà connu deux cycles complets d’emballement puis de déception.
La force brute05 / 08
1997
Deep Blue bat Kasparov
Le 11 mai 1997 à New York, Deep Blue, l’ordinateur d’IBM, bat le champion du monde d’échecs Garry Kasparov, 3,5 points à 2,5. La victoire fait la une dans le monde entier, d’autant que Kasparov avait gagné leur premier match un an plus tôt. Le champion encaisse mal : il soupçonne IBM d’avoir fait intervenir des humains pendant le match. La réalité est moins romanesque. Deep Blue sait faire une seule chose : évaluer environ 200 millions de positions par seconde et choisir le meilleur coup. Sa force, c’est le calcul brut. Propose-lui une partie de dames, aux règles pourtant plus simples : il en est incapable. On parle d’IA étroite, redoutable sur une tâche unique et nulle partout ailleurs. Le filtre anti-spam de ta messagerie et ton GPS appartiennent à cette famille. La leçon 2 y revient en détail.
À retenir
Une IA étroite : redoutable sur une tâche unique, nulle partout ailleurs.
La renaissance06 / 08
2012
Le deep learning décolle
Un réseau de neurones baptisé AlexNet écrase le concours de reconnaissance d’images ImageNet : 15,3 % d’erreur, contre 26,2 % pour le deuxième, soit près de 11 points d’écart. Il sort de l’université de Toronto. Alex Krizhevsky le signe avec Ilya Sutskever, futur cofondateur d’OpenAI. Leur directeur de recherche, Geoffrey Hinton, défend les réseaux de neurones depuis des décennies malgré le scepticisme d’une bonne partie du domaine. Il recevra le prix Nobel de physique en 2024 pour ces travaux. L’idée des réseaux de neurones, vaguement inspirée du cerveau, remonte pourtant aux années 1950. Ce qui a changé entre-temps tient en deux ingrédients. Internet fournit enfin des millions d’images étiquetées pour l’entraînement. Les cartes graphiques (GPU), conçues pour afficher des jeux vidéo, se révèlent parfaites pour les calculs de ces réseaux. Retiens l’équation : données massives + puissance de calcul. Dix ans plus tard, appliquée au texte, elle produira ChatGPT.
À retenir
Données massives + puissance de calcul : l’équation qui a tout débloqué.
La bascule décisive07 / 08
2017
Le Transformer, le « T » de ChatGPT
Huit chercheurs de Google publient un article au titre devenu culte : « Attention Is All You Need ». Leur architecture, le Transformer, change la façon dont une machine lit un texte. Au lieu de le parcourir mot à mot, elle traite toute la séquence d’un coup et apprend quels mots comptent les uns pour les autres. Dans « la cliente a renvoyé la robe parce qu’elle était trop petite », ce mécanisme d’attention aide le modèle à relier « elle » à la robe plutôt qu’à la cliente. Autre atout : le calcul se fait en parallèle, ce que les GPU savent accélérer. On peut donc entraîner des modèles sur des quantités de texte gigantesques. En 2018, OpenAI s’en sert pour créer GPT, pour « Generative Pre-trained Transformer » (Transformer génératif pré-entraîné). Les assistants que tu utilises aujourd’hui, ChatGPT, Claude, Gemini ou Le Chat de Mistral, reposent tous sur cette architecture.
À retenir
Les assistants d’aujourd’hui descendent tous de cet article de 2017.
L’irruption dans le quotidien08 / 08
2022-26
ChatGPT met l’IA dans toutes les mains
OpenAI lance ChatGPT le 30 novembre 2022 en le présentant comme une simple version de recherche. Cinq jours plus tard, son patron Sam Altman annonce le cap du million d’utilisateurs. Deux mois après le lancement, la banque UBS estime qu’il en compte 100 millions par mois et le qualifie d’application grand public à la croissance la plus rapide de l’histoire. Pour la première fois, l’IA sort des labos et te répond dans une simple fenêtre de chat, sans rien installer. La concurrence suit en quelques mois. En 2023, Google lance Bard (rebaptisé Gemini en 2024) et Anthropic lance Claude. À Paris, la start-up Mistral AI est fondée la même année. Trois ans plus tard, le rapport AI Index 2026 de Stanford mesure la diffusion. Aux États-Unis, 53 % des adultes utilisent l’IA générative trois ans après son arrivée : le PC et Internet n’avaient pas grimpé aussi vite. Côté entreprises, 88 % des organisations interrogées par le cabinet McKinsey utilisent l’IA dans au moins une activité. Voilà pourquoi ton fil LinkedIn en parle autant depuis trois ans. Et voilà pourquoi ce parcours existe : c’est maintenant que tu entres en scène.
À retenir
Aux États-Unis, l’IA générative s’est diffusée plus vite que le PC ou Internet.
Ce que cette histoire t'apprend
L'IA actuelle repose sur une recette identifiable : des idées anciennes, des données massives et de la puissance de calcul. Aucune conscience ne s'y éveille. Quand un titre de presse te parle d'une IA qui « pense », repense à cette recette.
Chaque machine qui a impressionné son époque était spécialisée. Deep Blue calculait des coups d'échecs, AlexNet reconnaissait des images. ChatGPT est bien plus polyvalent, mais il reste une machine à produire du texte, mot après mot : la leçon 3 t'explique comment. L'effet ELIZA, lui, n'a pas pris une ride. Plus une réponse est fluide, plus tu es tenté d'y voir de la compréhension.
L'emballement actuel n'est pas le premier. Nous pensons pourtant que celui-ci ne finira pas comme les deux autres, pour une raison simple : les usages sont concrets et tu peux les tester toi-même. C'est l'objet des six prochaines leçons.
Essaie toi-même
Mets l'histoire à l'épreuve
Ouvre ChatGPT, Claude ou Mistral et colle ce prompt :
PromptChatGPT / Claude / Mistral
Explique-moi le test de Turing en 3 phrases simples. Ensuite, dis-moi honnêtement : est-ce que toi, tu réussirais ce test ? Pourquoi ?
Lis bien la réponse. Tu viens de demander à une machine son avis sur un test inventé plus de 70 ans avant elle. Si elle te répond avec nuance, pense à l'effet ELIZA : un ton posé ne prouve aucune compréhension. Note ce que la réponse t'évoque : la leçon 5 revient sur la confiance à accorder à ces réponses.
Quiz
Teste ta compréhension
Récap : ce que tu sais maintenant
L'IA a plus de 75 ans : Turing pose la question en 1950, le mot apparaît en 1955 dans le projet de Dartmouth.
Elle a connu deux hivers : les cycles d'emballement puis de déception ne datent pas d'hier.
L'explosion récente tient en une équation : idées anciennes + données massives + puissance de calcul (GPU).
ChatGPT, c'est un Transformer (2017) entraîné sur d'énormes volumes de texte et accessible dans une fenêtre de chat (2022).
L'effet ELIZA joue toujours : une réponse fluide ne prouve pas que la machine comprend.
McCarthy, J., Minsky, M. L., Rochester, N., Shannon, C. E. (1955). « A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence ».
Weizenbaum, J. (1966). « ELIZA: A Computer Program for the Study of Natural Language Communication Between Man and Machine ». Communications of the ACM, 9(1), p. 36-45.