Chronologie de l'intelligence artificielle

Comment utiliser la frise

La frise ci-dessus se lit de gauche à droite, du passé vers aujourd’hui. Voici comment en tirer le meilleur :

• Zoomez sur une période pour écarter les points quand ils sont nombreux, ce qui est le cas des années récentes.
• Filtrez par domaine (langage, vision, jeux, biologie…) pour suivre une seule histoire à la fois.
• Filtrez par organisation pour voir quelles équipes, universitaires ou industrielles, ont produit quels modèles.
• Cliquez sur un point : une carte de détail s’ouvre avec les informations disponibles sur le modèle, comme sa date, l’organisation qui l’a créé et son domaine.

Les grands jalons ajoutés à la main par la rédaction se distinguent des modèles issus du jeu de données. Ils servent de repères pour ne pas se perdre.

Les grandes périodes de l’IA

Les débuts symboliques

En 1950, le mathématicien Alan Turing publie un article où il propose un « jeu de l’imitation », devenu le test de Turing : une machine peut-elle tenir une conversation au point qu’on ne la distingue pas d’un humain ? En 1956, la conférence de Dartmouth réunit des chercheurs qui donnent son nom et son programme à la discipline.

Les premières approches sont dites symboliques : on écrit à la main des règles et des raisonnements logiques que l’ordinateur applique. Cela fonctionne bien sur des problèmes bien délimités, beaucoup moins face à la complexité du monde réel.

Les hivers de l’IA

À plusieurs reprises, les promesses dépassent ce que la technique sait faire. Les financements se réduisent, l’intérêt retombe : on parle d’hivers de l’IA. Entre deux hivers, les systèmes experts, qui codent le savoir de spécialistes sous forme de règles, connaissent un vrai succès en entreprise, avant de montrer leurs limites : ils sont coûteux à maintenir et peu adaptables.

L’apprentissage automatique

Peu à peu, une autre idée s’impose : plutôt que d’écrire les règles, laisser la machine les apprendre à partir d’exemples. C’est l’apprentissage automatique (machine learning). En 1997, l’ordinateur Deep Blue d’IBM bat le champion du monde d’échecs Garry Kasparov. Sa force tient surtout à la puissance de calcul et à l’exploration de coups, mais l’événement marque les esprits : une machine peut surpasser un humain sur une tâche réputée intellectuelle.

L’apprentissage profond

L’apprentissage profond (deep learning) utilise des réseaux de neurones artificiels à nombreuses couches, entraînés sur de grandes quantités de données grâce à des processeurs de plus en plus puissants. Il transforme la reconnaissance d’images et de la parole. En 2016, AlphaGo, de DeepMind, bat Lee Sedol, l’un des meilleurs joueurs de go au monde, un jeu longtemps jugé hors de portée des machines. En 2017, l’article « Attention Is All You Need » présente le Transformer, l’architecture sur laquelle reposent la plupart des grands modèles de langage actuels.

L’IA générative

Les modèles apprennent à produire du texte, des images, du son ou du code. En novembre 2022, le lancement de ChatGPT par OpenAI met cette technologie entre les mains du grand public et déclenche une vague d’assistants conversationnels.

L’essor des agents

Dernière étape en date : les agents IA, des systèmes qui ne se contentent plus de répondre mais enchaînent des actions pour atteindre un objectif (chercher, comparer, remplir un formulaire, écrire puis tester du code). C’est le cœur de ce site, et une période encore en pleine construction : les capacités progressent, les limites aussi se précisent.

Ce que signifie « modèle marquant »

Les points de la frise viennent de la base « Data on AI Models » d’Epoch AI, qui recense des modèles d’IA depuis les origines. Parmi eux, Epoch AI distingue des modèles dits marquants (notable). D’après sa documentation, il s’agit notamment de modèles qui ont fait avancer l’état de l’art, qui sont très cités par la recherche, qui ont une importance historique ou qui sont largement utilisés.

Ce classement reste un choix d’experts, pas une vérité absolue. Il reflète surtout ce qui est publié et documenté : les modèles gardés secrets ou peu décrits y sont moins présents. Pour comprendre comment le site utilise ces données, consultez notre méthodologie.

Pour aller plus loin

Si vous découvrez le sujet, le parcours Débuter reprend les bases pas à pas, et le glossaire de l’IA explique les termes rencontrés sur la frise. Pour visualiser l’évolution du nombre de modèles, du calcul ou des investissements, rendez-vous sur l’IA en chiffres.