L'intelligence artificielle (IA) peut sembler mystérieuse, voire un peu intimidante, si vous ne savez pas comment elle fonctionne réellement. Mais l'histoire de la façon dont nous en sommes arrivés là est bien plus simple, et bien plus humaine, que la plupart des gens ne le pensent.
Quelques bribes d'histoire de l'IA
Il y a trente-cinq ans, la recherche en IA se concentrait sur la définition de la structure du langage.
L'objectif était de capturer la grammaire, la logique et le sens à l'aide de règles écrites à la main. Mais le langage naturel s'est avéré beaucoup trop ambigu pour que cette approche puisse être étendue. Chaque exception entraînait une nouvelle exception, et les systèmes devenaient fragiles.
Il y a environ 30 ans, lorsque je travaillais dans l'industrie sidérurgique, nous construisions quelque chose de différent : des systèmes experts.
Ces systèmes n'essayaient pas de « comprendre » le langage ou le sens. Au lieu de cela, ils s'appuyaient sur de grandes quantités de données de l'usine et sur des règles codées par des humains. Si un certain schéma de lectures de capteurs avait historiquement conduit à un mauvais résultat, le système avertissait les opérateurs et suggérait des ajustements.
Ce n'était pas de l'apprentissage au sens moderne, mais cela reconnaissait des schémas et les associait à des conséquences probables. Rétrospectivement, cela se situait quelque part entre les règles déterministes et le raisonnement probabiliste. C'était un tremplin vers ce qui allait suivre.
Aujourd'hui
Les grands modèles de langage (LLM) d'aujourd'hui adoptent une approche fondamentalement différente.
Plutôt que de s'appuyer sur des règles ou sur une ingénierie des connaissances explicite, ils apprennent en prédisant le mot suivant dans des milliards de phrases. Grâce à ce mécanisme simple, ils absorbent les schémas statistiques du langage à une échelle qu'aucun humain ne pourrait jamais coder manuellement.
Ils ne « comprennent » pas le langage comme nous le faisons ; ils génèrent la continuation la plus probable en fonction de tout ce qu'ils ont vu.
Les humains jouent toujours un rôle crucial.
Des spécialistes examinent les résultats, corrigent les erreurs et fournissent des réponses préférées ou « idéales ». Ils définissent des grilles qui décrivent à quoi ressemble une bonne réponse. Le modèle ne stocke pas ces réponses ; au lieu de cela, il ajuste ses probabilités internes pour s'aligner sur les attentes humaines. C'est ainsi que l'IA moderne semble « apprendre ».
Limites
Parce que les LLM sont des machines à probabilités, ils se trompent parfois.
Si les schémas des données sont défectueux, incomplets ou trompeurs, le résultat du modèle le reflétera. Il ne raisonne pas ; il estime. Lorsque la distribution de probabilité sous-jacente est biaisée, la réponse le sera également.
Et cela nous amène aux limites de l'IA – la loterie.
Les LLM peuvent analyser les tirages historiques, repérer des schémas et même générer des combinaisons de numéros qui semblent statistiquement intéressantes. Mais les loteries sont conçues pour être sans mémoire. Chaque tirage est complètement indépendant de tous les tirages précédents. La probabilité se réinitialise à chaque fois. Il n'y a pas de schéma à apprendre, pas de tendance à exploiter, pas de structure cachée à découvrir.
Les numéros de loterie générés par une IA ne sont que des échos de données historiques, pas des prédictions de résultats futurs. Le tirage suivant est entièrement déconnecté de toute l'histoire.
L'IA est extraordinaire, mais ce n'est pas de la magie.
Elle excelle là où des schémas existent.
Elle échoue là où le hasard règne.
Comprendre la limite est essentiel alors que nous intégrons ces outils dans la prise de décision du monde réel.
Si vous avez déjà eu des doutes sur l'IA ou si vous avez été dépassé par le battage médiatique, j'espère que cela vous a aidé à clarifier les choses. J'aimerais connaître vos réflexions.
Comment voyez-vous l'IA s'intégrer dans votre monde ?
Dans mon monde, j'ai utilisé l'IA pour :
- générer des photographies et des vidéos publicitaires pour des articles sur thebookhookonline.etsy.com (exemples à la fin), avec des versions étendues pour les chaînes YouTube et TikTok.
- créer des croquis à partir de photographies ou de descriptions textuelles pour générer des pages à colorier.
- corriger la grammaire de mes écrits.
- me conseiller sur les questions d'édition liées au droit d'auteur.
- aider à l'optimisation pour les moteurs de recherche.
- aider à la création de certaines fonctionnalités pour ce site web.
- générer un site web qui suggère des numéros de loto EuroMillions basés sur une analyse statistique. (OUI – je sais, les numéros qu'il génère n'ont pas plus de chances de sortir qu'avec n'importe quelle méthode, mais on garde espoir !)
Dans tous ces exemples, j'ai exercé ce que je décrirais comme l'esprit de contrôle sur l'IA. Cela signifie que je décris ce que je veux, je valide et j'accepte le résultat, je l'affine ou, dans certains cas, je le rejette.
Cliquez sur le lien pour découvrir des Produits IA.
J K Mullins, 17 mars 2026.
