1. L'idée fondatrice : apprendre à partir d'exemples
L'IA moderne ne fonctionne pas comme un programme classique où l'on écrit des règles « si… alors ». Elle apprend en observant d'immenses quantités d'exemples — textes, images, sons — et en ajustant progressivement des milliards de paramètres internes pour minimiser ses erreurs.
2. Le neurone artificiel
Inspiré du neurone biologique, le neurone artificiel reçoit des nombres en entrée, leur applique des poids, additionne le tout et passe le résultat dans une fonction d'activation. Un « réseau » est composé de milliers, puis millions, puis milliards de neurones organisés en couches successives.
3. L'apprentissage : descente de gradient et rétropropagation
Le réseau commence avec des poids aléatoires. À chaque exemple, on mesure l'écart entre sa prédiction et la bonne réponse, puis on ajuste les poids dans la direction qui réduit cette erreur. Répété des milliards de fois, ce procédé fait émerger des capacités étonnamment générales.
Les trois grands paradigmes
- Apprentissage supervisé — on fournit les bonnes réponses (image étiquetée « chat »).
- Apprentissage non supervisé — le modèle découvre seul des structures dans les données.
- Apprentissage par renforcement — le modèle apprend par essai-erreur et récompense.
4. Le saut du deep learning
À partir de 2012, en empilant beaucoup plus de couches et en exploitant les GPU, les réseaux « profonds » dépassent toutes les méthodes précédentes en vision, parole, traduction. C'est la naissance du deep learning au sens contemporain.
5. Les Transformers et le mécanisme d'attention
En 2017, l'article « Attention is all you need » introduit le Transformer. Plutôt que de lire un texte mot à mot, le modèle examine d'un coup l'ensemble des mots et calcule leurs relations mutuelles via le mécanisme d'attention. Cette architecture est à la base de tous les grands modèles de langage actuels.
6. Les grands modèles de langage (LLM)
Un LLM comme GPT, Claude ou Gemini est entraîné à une tâche simple : prédire le mot suivant. À l'échelle de centaines de milliards de mots, cette tâche fait émerger compréhension, raisonnement, code, traduction. Ces modèles sont ensuite affinés (« fine-tuning ») et alignés sur les préférences humaines (RLHF).
7. L'IA multimodale et les agents
Les modèles récents combinent texte, image, son, vidéo. Couplés à des outils externes (navigation web, code, bases de données), ils deviennent des « agents » capables d'exécuter des tâches en plusieurs étapes.
8. Ce que l'IA ne fait pas
Un LLM n'a pas de conscience ni de compréhension au sens humain. Il manipule des régularités statistiques extraites du langage. Il peut se tromper avec assurance (« hallucinations »), et ne raisonne pas comme un humain le ferait. Cette distinction est cruciale pour bien l'utiliser.