Le mot intelligence artificielle est devenu un terme fourre-tout. Il sert à désigner aussi bien ChatGPT que des outils de détection du cancer ou… des brosses à dents. Pas étonnant que la confusion règne.
Fait intéressant : même parmi les spécialistes, l’accord est loin d’être unanime. De nombreux termes sont largement admis, mais dès qu’il s’agit de définir précisément l’IA, les divergences apparaissent rapidement.
Pourquoi les définitions de l’IA paraissent si floues
« Le terme IA a en partie perdu son sens, car beaucoup l’utilisent comme synonyme du mot technologie », explique Vasant Dhar, professeur à la NYU Stern et auteur de Thinking With Machines: The Brave New World of AI.
Mais le problème, c’est que l’IA ne désigne pas une technologie unique. « Il s’agit de multiples technologies différentes », précise Rupert Shute, professeur en gouvernance des technologies émergentes à l’Imperial College de Londres. Or, la notoriété d’outils comme ChatGPT, classés dans la catégorie de l’IA générative, a brouillé les cartes.
« L’IA générative écrase tout le reste, ce qui est dommage », ajoute Shute. « Car la majorité de la valeur réelle provient d’autres formes d’IA, utilisées depuis des décennies. »
L’IA est déjà utilisée au quotidien — souvent sans qu’on le sache
Il n’est donc pas étonnant que l’on en vienne à confondre IA et technologie en général, puisqu’une grande partie de nos outils intègrent bel et bien des composants liés à l’intelligence artificielle. Ces usages ne semblent tout simplement plus si neufs ou futuristes, tant ils sont devenus invisibles à force de familiarité.
« De nombreux systèmes d’IA fonctionnent en arrière-plan, de façon discrète », explique Thiago Ferreira, fondateur et directeur général d’Elevate AI Consulting, un cabinet de formation et de conseil spécialisé. « Les filtres anti-spam, la détection de fraude, les outils d’imagerie médicale, les systèmes de recommandation, ou encore le tri automatique des photos sur un smartphone : tout cela relève de l’IA. »
Quand cette liste est présentée, la réaction est souvent la même : « Ah bon ? Ça aussi, c’est de l’IA ? »
Qu’est-ce que l’IA générative ?
L’IA générative a déjà été évoquée, mais une définition claire s’impose.
Il s’agit d’une catégorie d’intelligence artificielle capable de produire du contenu à partir d’une requête. Elle peut générer du texte, des images, de l’audio, du code, des explications, et bien plus encore. Elle ne va pas chercher une réponse toute faite : elle crée quelque chose de nouveau en s’appuyant sur des schémas appris à partir d’une vaste quantité de données.
Les chatbots les plus connus (comme ChatGPT ou Gemini) relèvent de l’IA générative. Ils fonctionnent à partir de grands modèles de langage (LLM). Le LLM est le moteur, formé à partir d’énormes volumes de données. Le chatbot, lui, est l’interface qui permet d’interagir avec ce moteur — une sorte de volant de direction.
Pas étonnant que cette sous-catégorie d’IA domine aujourd’hui la perception collective. « L’IA générative est plus concrète », note Ferreira. « Elle crée un contenu unique en fonction de la demande. » Ce fonctionnement la rend plus facile à comprendre et à nommer que les systèmes silencieux intégrés à un téléphone ou une banque.
« L’IA générative a rendu la technologie visible et accessible », poursuit Ferreira. « C’est pourquoi, pour beaucoup, IA rime aujourd’hui avec chatbot. »
Les différentes visions de l’intelligence artificielle
Dès que l’on se penche sur les différentes formes d’IA, il devient évident que les entreprises du secteur et les chercheurs ne s’accordent pas tous sur les classifications. Un même paysage observé depuis des points de vue différents.
Ferreira estime qu’il est plus utile de définir l’IA selon ses usages. Cette approche, plus concrète et quotidienne, parle davantage au grand public.
« Même si l’IA générative attire l’attention grâce à des outils comme ChatGPT, de nombreuses autres formes d’IA opèrent discrètement autour de nous », rappelle-t-il.
Les outils de reconnaissance aident les médecins à détecter des tumeurs ou permettent à un téléphone d’identifier un visage. L’IA prédictive alimente les prévisions météo ou les alertes de fraude bancaire. Les systèmes autonomes, eux, font fonctionner voitures, robots ou drones avec une intervention humaine minimale.
De son côté, Dhar propose une vision plus conceptuelle, proche d’une cartographie de l’évolution du domaine. Il commence par les systèmes experts, dans lesquels les règles sont codées à partir du savoir humain. Vient ensuite le machine learning classique, basé sur l’extraction de caractéristiques à partir de données. Puis, le deep learning, où les modèles apprennent directement à partir d’entrées sensorielles brutes.
Enfin, il évoque l’intelligence générale, incarnée selon lui par les systèmes récents capables d’aborder presque tous les sujets grâce à un apprentissage transversal. ChatGPT entrerait dans cette dernière catégorie.
Shute, lui, segmente l’histoire de l’IA en « vagues », chacune étant définie par la manière dont la machine « pense ». La première repose sur la logique symbolique, fondée sur des règles explicites, transparentes mais limitées.
La suivante est celle de l’apprentissage statistique, incluant le deep learning et les modèles transformers à l’origine de ChatGPT. Ces modèles détectent efficacement les schémas, mais n’expliquent pas comment ils produisent leurs réponses.
Enfin, la troisième vague est celle de l’IA neuro-symbolique, qui tente de combiner les deux approches : des systèmes capables d’apprendre tout en raisonnant de façon vérifiable. Des startups émergentes comme Umnai explorent cette piste.
Le fossé entre le battage médiatique et la réalité
Qu’en est-il alors des notions très médiatisées comme l’AGI (intelligence artificielle générale) ou l’ASI (intelligence artificielle super-intelligente) ?
L’AGI fait référence à une IA capable de raisonner et d’apprendre aussi largement qu’un humain. L’ASI va encore plus loin, en imaginant des systèmes qui surpasseraient l’intelligence humaine. Ces idées alimentent souvent les discours les plus spéculatifs.
Mais Shute avertit : « Une phrase qui parle d’AGI ou d’ASI fonctionne tout aussi bien si on remplace ces termes par “extraterrestres”. Elle doit donc être accueillie avec un scepticisme similaire. »
Ramener l’IA sur Terre, loin des fantasmes et plus près de ses capacités réelles, reste indispensable pour mieux la comprendre et l’utiliser avec discernement.
Comprendre les rapports de force
Un point fait consensus parmi les experts : ces systèmes dépendent entièrement de l’humain. L’essentiel est de savoir quand une simulation de réflexion suffit, et quand une véritable compréhension est nécessaire.
« L’intelligence de l’intelligence artificielle commence par nous », souligne Ferreira. « Ces systèmes n’agissent que lorsqu’un humain leur indique une direction. Une fois cela compris, la relation de pouvoir s’inverse. »
Un prompt bien formulé mène à une réponse pertinente. Une demande vague donnera un résultat tout aussi flou. « L’IA ne remplace pas notre pensée », insiste-t-il. « Elle l’amplifie. »
Mieux comprendre le pouvoir que chacun détient commence par reconnaître qu’il n’existe pas une seule IA. Il s’agit d’un ensemble de techniques — certaines anciennes, d’autres émergentes — qui alimentent déjà en silence les outils du quotidien. L’IA générative est spectaculaire, visible et impressionnante, mais elle ne représente qu’une fraction du domaine.
Lorsqu’une entreprise affirme que son produit « utilise l’IA », il vaut la peine de poser ces questions : quelle IA ? Pour faire quoi ? Est-ce réellement utile ? Certains usages exigent de la prudence, d’autres suscitent de l’enthousiasme. Mais ce discernement ne peut exister qu’à condition de mieux comprendre de quoi il s’agit.
