Niveau : Débutant
Brève histoire de l'intelligence artificielle, de Turing aux agents autonomes
Par La rédaction d'Info Agent IA ·
L’intelligence artificielle est née officiellement à l’été 1956, mais ses idées remontent aux années 1940 et son histoire alterne grands espoirs, longues déceptions et percées soudaines. Des premiers neurones artificiels aux assistants comme ChatGPT, puis aux agents capables d’agir seuls, voici les étapes qui comptent vraiment, sans jargon.
Avant le mot : neurones formels et machines pensantes
1943 : un neurone sur le papier
Tout commence par une idée mathématique. En 1943, Warren McCulloch et Walter Pitts publient un modèle très simplifié du neurone : une petite unité qui reçoit des signaux et décide de transmettre ou non un signal à son tour. C’est l’ancêtre lointain des réseaux de neurones qui font tourner les assistants d’aujourd’hui.
1950 : Alan Turing pose la question
En octobre 1950, le mathématicien britannique Alan Turing publie « Computing Machinery and Intelligence » dans la revue Mind. Plutôt que de débattre sans fin de la question « les machines peuvent-elles penser ? », il propose une expérience : le « jeu de l’imitation ». Un juge discute par écrit avec un humain et une machine, et doit deviner qui est qui. C’est le célèbre test de Turing.
1956 : Dartmouth donne son nom à l’IA
Le 31 août 1955, quatre chercheurs, John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon, signent une proposition de recherche. Ils y emploient l’expression « intelligence artificielle » et annoncent un atelier d’été au Dartmouth College, aux États-Unis.
L’atelier se tient à l’été 1956. Son hypothèse de départ est ambitieuse : chaque aspect de l’apprentissage ou de l’intelligence pourrait être décrit assez précisément pour qu’une machine le simule. On considère ce moment comme l’acte de naissance de la discipline.
Les premiers espoirs (1956-1973)
Les deux décennies suivantes sont marquées par un optimisme considérable. Deux grandes familles d’idées coexistent.
- L’IA symbolique : on écrit des règles et on manipule des symboles, comme un logicien. Les programmes démontrent des théorèmes ou résolvent des casse-têtes.
- L’apprentissage : on laisse la machine s’améliorer à partir d’exemples. En 1958, Frank Rosenblatt présente le perceptron, un réseau de neurones capable d’apprendre à reconnaître des formes simples. En 1959, Arthur Samuel, chez IBM, décrit un programme de jeu de dames qui progresse en jouant et parle de « machine learning ».
En 1966, Joseph Weizenbaum, au MIT, présente ELIZA, un programme qui imite un psychothérapeute en reformulant les phrases de son interlocuteur. Le système est rudimentaire, mais certains utilisateurs lui prêtent une vraie compréhension. Ce réflexe humain existe toujours face aux chatbots actuels.
Les hivers de l’IA
Les promesses vont trop vite. En 1969, Marvin Minsky et Seymour Papert publient Perceptrons, un livre qui montre les limites des réseaux de neurones à une seule couche. L’intérêt pour cette piste retombe pour longtemps.
En 1973, au Royaume-Uni, le rapport Lighthill juge sévèrement les résultats de la recherche en IA. Les financements reculent des deux côtés de l’Atlantique : c’est le premier hiver de l’IA, au milieu des années 1970.
Les années 1980 relancent la machine avec les systèmes experts. Ces logiciels encodent le savoir de spécialistes sous forme de règles « si… alors… », pour diagnostiquer une panne ou configurer un ordinateur. Des entreprises investissent massivement. Mais ces systèmes coûtent cher à maintenir et se révèlent fragiles hors de leur domaine. À la fin des années 1980, le marché s’effondre : c’est le second hiver de l’IA.
Pendant ce temps, une idée ancienne refait surface. En 1986, David Rumelhart, Geoffrey Hinton et Ronald Williams popularisent la rétropropagation, une méthode qui permet d’entraîner des réseaux de neurones à plusieurs couches. Elle deviendra la base de l’apprentissage profond.
1997 : Deep Blue, la victoire du calcul
Le 11 mai 1997, l’ordinateur Deep Blue d’IBM bat le champion du monde d’échecs Garry Kasparov en match. L’événement fait le tour du monde. Pourtant, Deep Blue n’apprend presque rien : il explore à grande vitesse d’énormes quantités de coups possibles, guidé par des règles d’évaluation écrites par des humains.
En février 2011, un autre système d’IBM, Watson, remporte le jeu télévisé américain Jeopardy! face à d’anciens champions. Ces victoires spectaculaires restent des exploits spécialisés.
Une IA discrète qui s’installe partout
Loin des projecteurs, les années 1990 et 2000 voient l’IA s’installer sans bruit dans les outils du quotidien. Le mot « IA » est alors un peu passé de mode, et les chercheurs préfèrent parler de statistiques ou d’apprentissage automatique. Pourtant, c’est l’époque où les filtres anti-spam apprennent à trier les courriels à partir d’exemples, où les moteurs de recherche classent les pages, où les sites marchands recommandent des produits et où la reconnaissance de l’écriture manuscrite aide à lire les adresses ou les chèques.
En octobre 2011, Apple présente Siri avec l’iPhone 4S : un assistant que l’on interroge à la voix. Ces usages préparent le terrain. Ils habituent le public à des machines qui « comprennent » une demande, même de façon limitée.
2012 : le déclic de l’apprentissage profond
Le vrai basculement arrive en 2012. Lors de la compétition de reconnaissance d’images ImageNet, l’équipe de Geoffrey Hinton réduit, selon l’ACM, presque de moitié le taux d’erreur grâce à un réseau de neurones profond. Les idées étaient anciennes ; ce qui change, c’est la combinaison de trois ingrédients : des masses de données numériques, des puces de calcul adaptées (les GPU) et des réseaux à nombreuses couches.
L’apprentissage profond conquiert alors la vision, puis la reconnaissance vocale et la traduction. En mars 2016, AlphaGo, le programme de DeepMind, bat Lee Sedol, l’un des meilleurs joueurs de go au monde, 4 parties à 1. Le go passait pour trop complexe pour une machine.
2017 : le Transformer change tout
En juin 2017, des chercheurs de Google publient « Attention Is All You Need ». L’article présente le Transformer, une architecture qui traite tous les mots d’un texte en parallèle et repère lesquels comptent le plus les uns pour les autres. Il visait d’abord la traduction automatique.
Dès 2018, OpenAI avec GPT et Google avec BERT montrent qu’un Transformer entraîné sur d’énormes quantités de textes peut ensuite servir à de nombreuses tâches. C’est la naissance des grands modèles de langage, ou LLM, que nous expliquons en détail dans notre article sur les LLM.
30 novembre 2022 : ChatGPT ouvre l’IA au grand public
Le 30 novembre 2022, OpenAI met en ligne ChatGPT. Pour la première fois, n’importe qui peut discuter avec un grand modèle de langage, gratuitement, dans une simple fenêtre de conversation. L’IA sort des laboratoires et entre dans la vie quotidienne : rédiger un courriel, résumer un document, préparer un voyage. Pour comprendre ce qui se passe quand vous lui posez une question, lisez comment fonctionne ChatGPT.
La concurrence suit vite. En mars 2023, Google lance Bard, rebaptisé plus tard Gemini, et OpenAI présente GPT-4. En Europe, le règlement (UE) 2024/1689, dit AI Act, entre en vigueur le 1er août 2024 : c’est le premier grand cadre juridique dédié à l’IA.
Les données confirment l’accélération. Selon Our World in Data (relevé du 22 octobre 2026), l’investissement mondial dans l’IA générative est passé de 3,7 milliards de dollars en 2022 à 25,4 milliards en 2023, puis à 143,8 milliards en 2025.
Ce que montrent les données : une course entre États-Unis et Chine
L’institut de recherche Epoch AI recense les modèles d’IA qu’il juge « marquants » : selon sa documentation, consultée le 22 octobre 2026, ce sont ceux qui ont amélioré l’état de l’art sur un test reconnu, qui sont très cités, qui ont une importance historique ou qui sont largement utilisés. Voici leur nombre par an, selon le pays de la première organisation citée.
| Année | États-Unis | Chine | Royaume-Uni | Corée du Sud | Canada | Autres |
|---|---|---|---|---|---|---|
| 2012 | 5 | 0 | 0 | 0 | 6 | 2 |
| 2014 | 13 | 2 | 7 | 0 | 4 | 7 |
| 2016 | 32 | 4 | 5 | 0 | 1 | 7 |
| 2017 | 23 | 9 | 10 | 3 | 3 | 7 |
| 2019 | 51 | 5 | 7 | 1 | 0 | 4 |
| 2021 | 49 | 18 | 4 | 1 | 1 | 6 |
| 2022 | 61 | 10 | 13 | 3 | 1 | 3 |
| 2023 | 81 | 23 | 2 | 1 | 1 | 11 |
| 2024 | 55 | 30 | 1 | 1 | 1 | 10 |
| 2025 | 62 | 34 | 1 | 8 | 0 | 2 |
| 2026 (au 22 octobre) | 49 | 29 | 0 | 5 | 0 | 1 |
Source : Epoch AI, « Data on AI Models », relevé du 22 octobre 2026. Sélection d’années.
Trois tendances se dégagent. Les États-Unis dominent nettement depuis le milieu des années 2010. La Chine monte en puissance à partir de 2021 et atteint ou dépasse 30 modèles marquants par an en 2024 et 2025. Le Royaume-Uni, très présent au moment de l’essor de l’apprentissage profond, apparaît beaucoup moins depuis 2023.
Les capacités ont progressé aussi vite. Sur GPQA, un test de questions scientifiques de niveau doctorat conçu pour résister à une simple recherche web, le meilleur score relevé par Epoch AI est passé de 35,7 sur 100 (GPT-4, premier trimestre 2023) à 96,4 (Gemini 4 Argon, troisième trimestre 2026).
L’ère des agents (depuis 2024)
La dernière étape en date ne consiste plus seulement à répondre, mais à agir. Un agent IA reçoit un objectif, découpe le travail en étapes, utilise des outils (navigateur, fichiers, logiciels) et vérifie ses résultats.
Quelques jalons :
- 25 novembre 2024 : Anthropic annonce le Model Context Protocol, un protocole ouvert pour relier assistants et agents à des outils et des données.
- 23 janvier 2025 : OpenAI présente Operator, un agent capable d’utiliser un navigateur web pour accomplir des tâches.
- 2025-2026 : les grands assistants ajoutent des modes agent, et des outils pour créer ses propres agents se multiplient.
Le changement est profond. Un assistant classique produit un texte, que vous relisez avant de vous en servir. Un agent, lui, peut cliquer, remplir un formulaire ou envoyer un message à votre place. Les erreurs ont donc des conséquences plus directes, et la question de la confiance devient centrale : que lui confier, avec quels accès, et comment vérifier ce qu’il a fait ?
Au 22 octobre 2026, voici la tête du classement des modèles établi à partir des tests d’Epoch AI. Les modèles qui animent ces agents se renouvellent désormais en quelques mois.
| Rang | Modèle | Organisation | Indice |
|---|---|---|---|
| 1 | Claude Sonnet 5.5 | Anthropic | 95,9 |
| 2 | Claude Opus 5.5 | Anthropic | 95,9 |
| 3 | Gemini 4 Argon | Google DeepMind | 95,3 |
| 4 | GPT-6 Astra | OpenAI | 94,7 |
| 5 | Claude Opus 5 | Anthropic | 92,7 |
Vérifiez-vous Laquelle de ces étapes est la plus ancienne : le test de Turing, l'atelier de Dartmouth ou le premier modèle de neurone artificiel ?
Le modèle de neurone artificiel de Warren McCulloch et Walter Pitts, publié en 1943. Viennent ensuite l’article d’Alan Turing en 1950, puis l’atelier de Dartmouth à l’été 1956.
Ce qu’il faut retenir
Retenez aussi que les grandes ruptures sont rarement des idées neuves. Les réseaux de neurones datent de 1943 ; ils ont attendu près de soixante-dix ans les données et le calcul nécessaires. Pour revoir le cadre général, notre guide pour comprendre l’intelligence artificielle reprend les bases. Et pour explorer chaque date et chaque modèle marquant depuis 2012, ouvrez la chronologie interactive de l’IA.
Questions fréquentes
Quand l'intelligence artificielle a-t-elle été inventée ?
On situe généralement sa naissance à l'atelier de Dartmouth, à l'été 1956, préparé par une proposition datée du 31 août 1955 où apparaît l'expression « intelligence artificielle ». Des travaux plus anciens l'ont préparée, comme le modèle de neurone artificiel de 1943 et l'article d'Alan Turing de 1950.
Qui est le père de l'intelligence artificielle ?
Il n'y a pas un père unique. Alan Turing a posé la question des machines pensantes en 1950, et John McCarthy a proposé le nom de la discipline avec Marvin Minsky, Nathaniel Rochester et Claude Shannon. Plus récemment, Yoshua Bengio, Geoffrey Hinton et Yann LeCun sont souvent cités comme les pionniers de l'apprentissage profond.
Qu'est-ce qu'un « hiver de l'IA » ?
C'est une période où les financements et l'enthousiasme pour l'IA s'effondrent après des promesses non tenues. On en compte généralement deux : au milieu des années 1970, puis à la fin des années 1980 et au début des années 1990. Ils rappellent que les progrès de l'IA n'ont jamais été linéaires.
Pourquoi l'IA a-t-elle autant progressé depuis 2012 ?
Trois ingrédients se sont réunis : des réseaux de neurones profonds, d'énormes quantités de données numériques et des puces de calcul adaptées, les GPU. L'architecture Transformer, publiée en 2017, a ensuite permis de construire les grands modèles de langage qui animent les assistants actuels.
Où voir toutes les dates de l'histoire de l'IA ?
La chronologie interactive d'Info Agent IA réunit les grands jalons historiques et les modèles d'IA jugés marquants par l'institut de recherche Epoch AI depuis 2012. Vous pouvez filtrer par domaine, par organisation et zoomer sur une période.