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 aujourd'hui
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 75 ans de recherche, deux périodes de découragement total et trois découvertes décisives. Cette leçon te raconte cette histoire en huit dates, du pari d'un mathématicien anglais en 1950 jusqu'aux 88 % d'organisations qui utilisent l'IA en 2026. Pourquoi commencer par l'histoire ? Parce qu'elle t'évite deux erreurs : croire que l'IA est magique, et croire qu'elle est consciente. Elle n'est ni l'une ni l'autre.
L'IA actuelle, c'est l'aboutissement d'une idée posée en 1950, accélérée par les cartes graphiques des jeux vidéo et démocratisée par une interface de chat. Au passage, tu verras qu'elle t'accompagnait déjà bien avant 2022, sans te le dire : le tri de ta boîte mail, le correcteur de ton téléphone et ton GPS en font tous. À la fin de cette leçon, tu sauras d'où viennent les mots que tout le monde emploie de travers, et les annonces spectaculaires sur l'IA te paraîtront nettement 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 ? ». L’homme n’est pas un inconnu : pendant la Seconde Guerre mondiale, il a cassé Enigma, le code secret de l’armée allemande, depuis le centre de Bletchley Park. Plutôt que de débattre 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. Si le juge n’arrive pas à les distinguer, la machine gagne. Tu connais ce jeu sous son nom moderne : le test de Turing. Turing prédit qu’en l’an 2000, une machine tromperait un juge moyen dans 30 % des cas après cinq minutes de conversation. Il s’est trompé d’une vingtaine d’années. Détail qui compte : il a 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 mathématicien du Dartmouth College, veut réunir les meilleurs cerveaux du domaine pendant un été entier. Avec Marvin Minsky, Nathaniel Rochester (IBM) et Claude Shannon, il rédige en 1955 une demande de financement restée célèbre. Pour vendre le projet, il invente un nom qui claque : « artificial intelligence ». Leur hypothèse tient en une phrase du document : chaque aspect de l’apprentissage et de l’intelligence peut être décrit assez précisément pour qu’une machine le simule. Leur ambition aussi : ils estiment qu’un groupe de dix chercheurs peut faire des progrès significatifs… en deux mois. L’été 1956 fonde officiellement la discipline, mais le pari des deux mois a pris 70 ans. Retiens surtout ceci : le mot « intelligence artificielle » a 70 ans. Il désignait un projet de recherche bien avant de désigner les outils que tu utilises aujourd’hui.
À retenir
Le mot « intelligence artificielle » a 70 ans — bien avant les outils qu’il désigne.
La première illusion03 / 08
1966
ELIZA, le premier chatbot
Joseph Weizenbaum, informaticien au MIT, programme ELIZA, le premier chatbot de l’histoire. Son scénario le plus connu, DOCTOR, imite un psychothérapeute avec une astuce simple : repérer des mots-clés dans ta phrase et la retourner en question. Tu écris « je me dispute avec ma mère », ELIZA répond « parle-moi de ta mère ». Le programme ne comprend rien à ce que tu lui racontes. Pourtant, des utilisateurs se confient à lui pendant des heures. La propre secrétaire de Weizenbaum lui demande un jour de quitter la pièce pour discuter tranquillement avec le programme. Le chercheur en sort effarayé, au point d’écrire dix ans plus tard un livre entier pour mettre en garde contre sa propre création. 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. Soixante ans plus tard, l’effet joue à plein avec ChatGPT. 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 rapport Lighthill, commandé par le parlement britannique, conclut que l’IA n’a atteint aucun de ses grands objectifs. Les financements s’effondrent au Royaume-Uni, puis aux États-Unis : 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) et que les entreprises s’arrachent à prix d’or. Nouveau retournement à la fin de la décennie : ces systèmes coûtent une fortune à maintenir, le marché s’écroule en 1987. Deuxième hiver. Pendant ces années, dire « je travaille sur l’intelligence artificielle » ferme des portes dans les labos, au point que des chercheurs maquillent leurs sujets sous d’autres noms. Retiens ce point : 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 Garry Kasparov, champion du monde d’échecs, 3,5 points à 2,5. L’exploit fait la une mondiale, d’autant que Kasparov avait remporté le premier duel un an plus tôt. Le champion vit très mal sa défaite : il soupçonne même IBM d’avoir fait intervenir un humain pendant la partie. La réalité est moins romanesque. Deep Blue ne sait faire qu’une seule chose : évaluer environ 200 millions de positions d’échecs par seconde et choisir le meilleur coup. Il ne « comprend » pas le jeu, il calcule plus vite que n’importe quel humain ne pourra jamais le faire. Demande-lui de jouer aux dames, aux règles pourtant plus simples : il ne sait pas. C’est ce qu’on appelle une IA étroite : redoutable sur une tâche unique, nulle partout ailleurs. Quasiment toute l’IA qui t’entoure aujourd’hui, du GPS au filtre anti-spam, fonctionne sur ce principe. 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. Dans ce domaine, un écart pareil ne s’était jamais vu. Derrière AlexNet, trois chercheurs de l’université de Toronto, dont Geoffrey Hinton, qui défend les réseaux de neurones depuis trente ans malgré les moqueries, et Ilya Sutskever, futur cofondateur d’OpenAI. L’idée des réseaux de neurones, inspirée du fonctionnement du cerveau, date pourtant des années 1950-1980. Ce qui a changé entre-temps : Internet fournit enfin des millions d’images étiquetées pour l’entraînement, et les cartes graphiques (GPU), conçues à l’origine pour afficher des jeux vidéo, se révèlent parfaites pour entraîner ces réseaux. Données massives + puissance de calcul : cette équation a tout débloqué, retiens-la. C’est exactement la même qui produira ChatGPT dix ans plus tard, appliquée au texte plutôt qu’aux images.
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 lit la séquence entière 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 », le mécanisme d’attention apprend que « elle » désigne la robe, pas la cliente. Avantage décisif : ce traitement se fait en parallèle, exactement ce que les GPU savent accélérer, donc on peut entraîner des modèles sur des quantités de texte gigantesques. En 2018, OpenAI s’en sert pour créer GPT, « Generative Pre-trained Transformer » : un Transformer génératif pré-entraîné. La quasi-totalité des IA que tu utilises aujourd’hui, ChatGPT, Claude, Gemini, Mistral, descend de cet article de 2017. Huit pages qui ont lancé une industrie à plusieurs centaines de milliards de dollars.
À retenir
Presque toutes les IA d’aujourd’hui descendent 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, presque par surprise : en interne, l’outil est vu comme une simple démonstration de recherche. Un million d’utilisateurs en cinq jours, 100 millions en deux mois : aucune application grand public n’avait grandi aussi vite. Pour la première fois, l’IA sort des labos et répond à tes questions dans une simple fenêtre de chat, sans rien installer, sans rien configurer. La concurrence suit immédiatement : Anthropic lance Claude en 2023, Google répond avec Gemini, et le français Mistral prouve que l’Europe peut jouer dans la cour des grands. Trois ans plus tard, le rapport AI Index 2026 de Stanford mesure l’ampleur du phénomène : 88 % des organisations utilisent l’IA, et l’IA générative s’est diffusée dans la population plus vite que le PC ou Internet en leur temps. Voilà pourquoi ton fil LinkedIn ne parle que de ça depuis trois ans. Et voilà surtout pourquoi ce parcours existe : c’est maintenant que tu entres en scène.
À retenir
L’IA générative s’est diffusée plus vite que le PC ou Internet en leur temps.
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. Pas une conscience qui s'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. La leçon 3 t'explique exactement comment.
L'emballement actuel n'est pas le premier, l'histoire le montre. La différence cette fois : les usages sont concrets et tu peux les vérifier toi-même. C'est exactement l'objectif des cinq 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 75 ans avant elle, et elle te répond avec nuance. Turing aurait adoré. Note ce que sa réponse t'évoque : on en reparle à la leçon 5, sur la confiance à accorder à ces réponses.
Quiz
Teste ta compréhension
Récap — Ce que tu sais maintenant
L'IA a 75 ans : Turing pose la question en 1950, le mot naît en 1956 à 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 + GPU.
ChatGPT, c'est un Transformer (2017) entraîné sur le web, accessible dans une fenêtre de chat (2022).
McCarthy, J., Minsky, M. L., Rochester, N., Shannon, C. E. (1955). « A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence ».