Société & Technologie

Enjeux, limites et évolutions

L'IA n'est pas une technologie neutre. Elle reconfigure le travail, le savoir, le pouvoir et l'environnement — tout en changeant de nature à chaque décennie.

Enjeux et perspectives

Emploi et travail

Selon les études (OIT, OCDE, FMI), 30 à 40 % des emplois mondiaux seront significativement transformés par l'IA d'ici 2030. Les métiers du savoir (juristes, journalistes, développeurs, designers, traducteurs) sont plus exposés que les métiers manuels. La question n'est pas tant la disparition que la recomposition des tâches et des compétences requises.

Productivité et économie

McKinsey estime que l'IA générative pourrait ajouter 2 600 à 4 400 milliards de dollars par an à l'économie mondiale. Cette valeur se concentre cependant entre quelques acteurs : créateurs de modèles, fournisseurs de calcul (Nvidia), grands déployeurs.

Désinformation et confiance

Vidéos générées (deepfakes), faux articles, voix clonées : l'IA abaisse le coût de production de contenus trompeurs. Les démocraties s'inquiètent de la qualité de l'information à l'ère des élections algorithmiques.

Concentration du pouvoir

Entraîner un modèle frontière coûte plusieurs centaines de millions de dollars et nécessite des dizaines de milliers de GPU. Cela concentre la capacité d'innovation entre quelques entreprises américaines, chinoises et — plus récemment — européennes.

Empreinte environnementale

Entraînement et inférence consomment électricité, eau (refroidissement) et matériaux rares. Les datacenters d'IA pourraient représenter 3 à 4 % de la consommation électrique mondiale d'ici 2030. Des modèles plus efficaces, des sources renouvelables et la modération de l'usage sont nécessaires.

Géopolitique

L'IA est devenue un facteur majeur de puissance. Contrôle des puces (TSMC, ASML), des modèles, des données et des talents : la course oppose principalement les États-Unis, la Chine et, en troisième position, l'Europe. L'Inde, les Émirats et la Corée investissent massivement.

Perspectives

À court terme, les agents IA vont automatiser des chaînes complètes de tâches. À moyen terme, l'IA accélérera la science (matériaux, biologie, énergie). À long terme, la question d'une intelligence artificielle générale (AGI) — et de son alignement avec les valeurs humaines — devient centrale.

Les évolutions de l'IA

On parle souvent de « l'IA » comme d'une chose unique. En réalité, c'est un domaine traversé par plusieurs paradigmes qui se sont succédé, parfois opposés, parfois complémentaires.

01
1950-1980

IA symbolique

On programme la connaissance sous forme de règles logiques. Excellent pour les jeux formels, faible face au monde réel.

02
1980-1995

Systèmes experts

Les règles sont fournies par des spécialistes humains. Coûteux à maintenir, ils s'effondrent dans les années 90.

03
1995-2012

Machine learning statistique

On laisse les algorithmes apprendre à partir des données. SVM, forêts aléatoires, modèles bayésiens dominent.

04
2012-2017

Deep learning

Les réseaux de neurones profonds dominent la vision et la parole. Naissance des assistants vocaux modernes.

05
2017-2022

Ère des Transformers

BERT, GPT-2, GPT-3, DALL·E. Les modèles deviennent généralistes et passent à l'échelle.

06
2022-2024

IA générative grand public

ChatGPT, Midjourney, Gemini, Claude. L'IA entre dans les usages quotidiens, les entreprises, l'éducation.

07
2025-…

Agents et raisonnement

Modèles capables de raisonner étape par étape, d'agir sur le web, de manipuler des outils. Multimodalité native.