3. Qu’est-ce que l’IA ?

3.1. D’où vient l’IA ? 

Les modèles d’intelligence artificielle sont des systèmes logiciels capables de générer une déduction ou une prédiction à partir de données d’entrée. Ils sont construits sur la base d’algorithmes qui sont entraînés pour identifier des motifs réguliers et réaliser des tâches spécifiques.

L'IA n'est pas une nouveauté, mais son développement a connu des avancées importantes, notamment grâce à la sophistication des modèles, à la disponibilité des données et à l'augmentation de la puissance de calcul.

Voici quelques dates clés dans l'évolution de l'IA :

1950 : A. Turing publie Computing Machinery and Intelligence, introduisant le test de Turing 1956 :  J. McCarthy crée le terme intelligence artificielle lors de la Conférence de Dartmouth 1959 :  A. Samuel développe un programme d'apprentissage machine pour jouer aux échecs 1980 : Émergence des systèmes experts avec règles 1997 : Deep Blue (IBM) bat Kasparov, le champion du monde d'échecs 2000 : Développement du machine learning (ML). Les techniques de ML permettent de classer et prédire à partir des données, sans programmation explicite 2010 : Avènement du deep learning (DL), un sous-domaine de l'IA dont les techniques, inspirées de la structure du cerveau, permettent de résoudre des problèmes complexes 2015 :  AlphaGo de DeepMind bat un champion humain du jeu de go pour la première fois 2018 : OpenAI présente son premier GPT, pré-entrainé sur une gamme diversifiée de textes provenant d'interne 2020 : OpenAI développe GPT-3, un modèle possédant plus de 150 milliards de paramètres 2022. OpenAI lance ChatGPT, dont la version qui s’appuie sur GPT-3.5 est accessible gratuitement en ligne. Son lancement marque un tournant pour la démocratisation de l'IA générative auprès du grand public 2023 : Microsoft publie Copilot, un assistant IA. Meta publie son modèle de langage Llama. 2024 : Lancement du Chat de Mistral AI par une entreprise française 2025. La société chinoise DeepSeek lance un modèle de raisonnement, DeepSeek-R1, dont la consommation en ressources et le coût de développement seraient nettement moins élevés que ses concurrents
Figure 1. Les dates clés dans le développement des technologies liées à l’Intelligence Artificielle Générative (adapté de la Direction du Numérique pour l’Éducation, 2024 ; Université de Genève, 2024).