Gratuit
5 min de lecture

🤖 L'Odyssée de l'IA : De la Logique de Turing à la Générative

SAPIENS IA|Série : Inspiré par les travaux d'Olivier Ezratty et les archives du MIT.

L'IA n'est pas née avec ChatGPT. C'est une discipline vieille de plus de 70 ans, marquée par des cycles d'euphorie délirante et d'"hivers" glaciaux. Comprendre cette trajectoire, c'est comprendre que l'IA actuelle n'est pas une "intelligence", mais une statistique de puissance phénoménale.

31 janvier 2026
🤖 L'Odyssée de l'IA : De la Logique de Turing à la Générative

1. 1950 - 1956 : L'Acte de Naissance

Tout commence avec Alan Turing et son article séminal "Computing Machinery and Intelligence".

Il y pose la question : "Les machines peuvent-elles penser ?". Tout commence par une question philosophique qui devient technique. En 1950, Alan Turing publie Computing Machinery and Intelligence. Il y propose son célèbre "Jeu de l'imitation" (Test de Turing). Pour lui, si une machine peut tromper un humain lors d'une conversation textuelle, elle fait preuve d'intelligence.

En 1956, la discipline reçoit son nom de baptême lors du Workshop de Dartmouth.

L'objectif initial : Les pères fondateurs (McCarthy, Minsky, Shannon) pensent pouvoir simuler tous les aspects de l'intelligence en un été.

Le dogme : C'est l'IA Symbolique. On croit que l'intelligence est une manipulation de symboles logiques (SI... ALORS...).

Référence Ezratty : Olivier Ezratty souligne souvent que cette période a posé les bases de l'informatique moderne, mais a péché par un excès d'optimisme démesuré sur la complexité du langage.

2. 1970 - 1990 : Les Systèmes Experts et les Hivers

L'IA a d'abord été symbolique. On pensait que pour créer une intelligence, il suffisait de coder toutes les règles logiques du monde. C'est l'ère des "systèmes experts". Mais face à l'incapacité des machines à comprendre le contexte simple (le "sens commun"), les financements se sont taris. C’est l’Hiver de l’IA. Après les premiers succès (programmes d'échecs rudimentaires), l'IA se heurte à un mur : l'impossibilité pour une machine d'acquérir le "bon sens" humain.

L'Ère des Systèmes Experts : Dans les années 80, on crée des logiciels mimant le savoir d'un expert (ex: diagnostic médical). C'est le succès de MYCIN ou des machines Lisp.

Le Choc de la Réalité : Ces systèmes sont rigides et coûtent une fortune à maintenir. Les investissements s'effondrent. C'est le deuxième hiver de l'IA (1987-1993).

Le Document Clé : Le Lighthill Report (1973) au Royaume-Uni, qui a sonné le glas des financements en critiquant l'échec de l'IA à résoudre des problèmes du monde réel.

La référence Ezratty : Il rappelle souvent que l'IA "symbolique" n'est pas morte, elle est aujourd'hui hybridée avec le "connexionnisme" (les réseaux de neurones).

3. 2012 : Le "Big Bang" de l'Apprentissage Profond

Tout bascule avec le concours ImageNet. Une équipe (Geoffrey Hinton) utilise des cartes graphiques (GPU) pour entraîner un réseau de neurones profonds. Les performances de reconnaissance d'image explosent. C'est la naissance du Deep LearningGPU) pour entraîner un réseau de neurones profonds. Les performances de reconnaissance d'image explosent. C'est la naissance du Deep Learning moderne.

4. 2017 - 2026 : L'Ère des Transformers et de la Générative

En 2017, Google publie "Attention is all you need". Ce document introduit le Transformer, l'architecture qui permet de comprendre les relations entre les mots dans une phrase de manière massivement parallèle. C'est le moteur de GPT-4o, Claude et Gemini.

🇫🇷 Focus : La France, Laboratoire Mondial de l'IA

Comme le souligne souvent Olivier Ezratty, la France ne se contente pas de consommer l'IA américaine ; elle en a forgé les bases théoriques et en bouscule aujourd'hui les leaders historiques.

1. L'Héritage de Yann LeCun : Le Père du Deep Learning On ne peut parler d'IA sans citer le Français Yann LeCun (Prix Turing 2018). Dans les années 80 et 90, alors que l'IA était en plein "hiver", LeCun met au point les réseaux de neurones convolutifs (CNN) en s'inspirant du cortex visuel.

L'anecdote historique : Sa technologie a d'abord servi à lire les chèques dans les banques américaines avant de devenir la base de toute la reconnaissance d'image moderne (FaceID, voitures autonomes).

Le rôle actuel : Aujourd'hui Chief AI Scientist chez Meta (Facebook), il est l'un des plus fervents défenseurs de l'Open Source, une philosophie très ancrée dans l'écosystème français.

2. L'École de Mathématiques : Le Carburant Français Pourquoi la France brille-t-elle ? Grâce à son excellence en mathématiques (Médailles Fields). L'IA moderne étant essentiellement une affaire d'optimisation et de statistiques complexes, les ingénieurs français (Polytechnique, ENS, CentraleSupélec) sont arrachés à prix d'or par la Silicon Valley.

3. La Renaissance : De Hugging Face à Mistral AI Depuis 2023, la France est redevenue le centre de gravité de l'IA en Europe :

Hugging Face : Fondée par des Français, cette plateforme est devenue le "GitHub de l'IA". C'est là que le monde entier partage ses modèles et ses jeux de données.

Mistral AI : Véritable pépite tricolore, cette entreprise a prouvé qu'avec des équipes réduites mais brillantes, on pouvait battre les géants Google et OpenAI en termes d'efficacité énergétique et de performance pure (modèles "Mixtral").

Chiffres clés

📅

Dartmouth

1956

L'année où tout a commencé à Dartmouth. À l'époque, les chercheurs pensaient régler le problème de l'IA en 2 mois avec 10 hommes. Nous y sommes encore 70 ans plus tard.

🚀

Puissance

1 000 000x

L'augmentation approximative de la puissance de calcul (compute) entre les premiers réseaux de neurones des années 60 (Perceptron) et les modèles actuels.

Paramètres

175 Milliards

Le nombre de paramètres de GPT-3 (2020), qui a marqué le début de la course à la taille gigantesque des modèles (LLM).

📅

Impasse technologique

2 Hivers

Le nombre de périodes majeures (milieu des années 70 et fin des années 80) où l'IA a été considérée comme une impasse technologique.

Sources et références

Olivier Ezratty : Analyse et Veille

Olivier Ezratty
Étude
· 2019

Cet article annonce la publication de la troisième édition de l'ebook "Les usages de l’intelligence artificielle". Cette édition, mise à jour et enrichie, couvre les avancées récentes de l'IA, ses applications dans divers secteurs et les enjeux sociétaux associés. L'ouvrage est destiné aux entreprises souhaitant comprendre et intégrer l'IA dans leurs activités.

Hugging Face : Le "GitHub de l'IA"

Clément Delangue, Julien Chaumond, Thomas Wolf
Site web
· 2023

Hugging Face est une entreprise franco-américaine fondée en 2016, spécialisée dans le développement d'outils pour la construction d'applications utilisant l'apprentissage automatique. Elle est notamment reconnue pour sa bibliothèque 'Transformers', dédiée au traitement du langage naturel, et pour sa plateforme permettant aux utilisateurs de partager des modèles et des ensembles de données d'apprentissage automatique. En août 2023, l'entreprise a levé 235 millions de dollars lors d'un tour de financement de série D, portant sa valorisation à 4,5 milliards de dollars.

Mistral AI : Modèles et Documentation

Mistral AI
Site web
· 2025

La page "Models" de la documentation de Mistral AI présente une liste complète de leurs modèles disponibles, permettant aux utilisateurs d'explorer leurs capacités, performances et compromis. Elle met en avant des modèles phares tels que Mistral Large 3, Devstral 2 et Mistral Medium 3.1, et fournit des informations détaillées sur les modèles généralistes, spécialisés et autres, y compris leurs versions et dates de publication.

Yann LeCun : Apprentissage Auto-Supervisé et FAIR

Yann LeCun
Site web
· 2000

Le site personnel de Yann LeCun présente son parcours professionnel, ses publications et ses centres d'intérêt personnels. Il y partage des informations sur ses travaux en intelligence artificielle, apprentissage automatique, vision par ordinateur, robotique et compression d'images. Le site comprend également des galeries de photos de conférences, d'avions radiocommandés, de robots Lego et d'autres objets technologiques, ainsi que des images artistiques et de la nature.

Blog Meta AI (FAIR) sur l'apprentissage auto-supervisé

Meta AI Research
Site web
· 2026

La page "Meta AI Research" présente les travaux de recherche en intelligence artificielle menés par Meta. Elle couvre divers domaines tels que la vision par ordinateur, le traitement du langage naturel et l'apprentissage automatique, avec des publications détaillant les avancées et les applications de ces technologies.

Le Rapport de la Commission de l'Intelligence Artificielle (2024)

Commission de l’Intelligence Artificielle
Étude
· 2024

Ce rapport présente une analyse approfondie de l'intelligence artificielle (IA), en mettant l'accent sur l'IA générative, ses applications et ses implications pour la société française. Il aborde les défis et les opportunités liés à l'IA, propose des recommandations pour son développement et son intégration responsable, et souligne l'importance d'une gouvernance appropriée pour maximiser les bénéfices tout en minimisant les risques associés.

Sapiens IA

Analyses approfondies et réflexions critiques sur l'intelligence artificielle et ses implications pour l'humanité.

Légal

Mentions légalesPolitique de confidentialitéCGV
IA Critique. Tous droits réservés.