Naissance et hivers de l'IA, 1943-2011

L'IA n'est pas née avec ChatGPT : elle a quatre-vingts ans et a connu deux grandes périodes de désillusion. Retenir ce cycle de promesses, de déception et de retour permet de garder du recul face au discours commercial actuel.

Deux écoles qui s'affrontent depuis le début

Dès les années 1950, deux façons de construire une intelligence artificielle s'opposent, et elles n'ont jamais cessé.

L'IA symbolique part du principe qu'il suffit d'écrire assez de règles pour couvrir toutes les situations. Elle marche bien quand le monde est fermé et prévisible : un jeu d'échecs, un SVI. Elle s'effondre dès que le réel déborde des règles.

L'IA connexionniste part du principe qu'il vaut mieux montrer des milliers d'exemples et laisser la machine trouver seule les régularités. Elle a mis soixante ans à devenir praticable, pour une raison simple : il lui fallait des données, de la puissance de calcul et de bonnes méthodes d'entraînement, et aucun des trois n'existait.

Les jalons à retenir

Dartmouth, ou l'optimisme fondateur

À l'été 1956, une dizaine de chercheurs se réunissent au Dartmouth College. Leur proposition de financement affirme qu'une machine pourra « simuler chaque aspect de l'apprentissage ou de l'intelligence » et que des progrès significatifs sont possibles en un été. Le mot « intelligence artificielle » est inventé pour l'occasion.

L'optimisme est total, et il va durer quinze ans. Les financements militaires américains suivent. Les premiers programmes jouent aux dames, démontrent des théorèmes, traduisent du russe. Chaque succès sur un problème étroit est présenté comme une étape vers l'intelligence générale.

ELIZA, ou l'illusion de l'écoute

En 1966, Joseph Weizenbaum écrit ELIZA, un programme qui imite un psychothérapeute. Son fonctionnement est rudimentaire : il repère des mots-clés et reformule la phrase de l'utilisateur en question. « Je suis triste » devient « Pourquoi êtes-vous triste ? ».

Ce qui frappe Weizenbaum, c'est la réaction des utilisateurs. Sa propre secrétaire, qui sait parfaitement comment le programme fonctionne, lui demande de quitter la pièce pour pouvoir « parler » à ELIZA en privé. Les gens projettent une compréhension là où il n'y a que des règles.

ELIZA est l'ancêtre direct de tous les chatbots à règles, et de la plupart des SVI. Soixante ans plus tard, le mécanisme psychologique n'a pas changé : un système qui reformule bien donne l'impression de comprendre.

Les deux hivers

Le premier hiver arrive au milieu des années 1970. En 1969, Minsky et Papert publient un livre qui démontre les limites mathématiques du Perceptron. En 1973, un rapport commandé par le gouvernement britannique conclut que l'IA n'a tenu aucune de ses promesses. Les financements s'arrêtent presque partout.

Le retour vient des systèmes experts, dans les années 1980. L'idée est de capturer le savoir d'un expert humain sous forme de milliers de règles « si… alors… ». Certains fonctionnent : un système configure les commandes d'ordinateurs chez DEC, un autre aide au diagnostic médical. Les entreprises investissent massivement.

Le second hiver suit, à la fin des années 1980. Les systèmes experts se révèlent très coûteux à maintenir : chaque règle ajoutée peut en contredire une autre, et personne ne sait plus ce que le système fait réellement. Les machines spécialisées qui les font tourner sont balayées par les PC ordinaires. Les financements s'effondrent une seconde fois.

Le cycle est toujours le même : des promesses excessives, des résultats décevants face à ces promesses, puis des financements coupés. Ce n'est pas que la recherche était mauvaise ; c'est que le discours avait pris trop d'avance sur elle.

Pourquoi la vague actuelle est différente

Pendant les hivers, une poignée de chercheurs continue de travailler sur les réseaux de neurones. En 1986, la rétropropagation, méthode qui permet d'entraîner un réseau à plusieurs couches, est popularisée. En 1998, Yann LeCun fait lire les chiffres manuscrits des chèques à un réseau. Mais ces succès restent confinés.

Trois ingrédients manquaient, et ils se réunissent entre 2006 et 2012 :

• Les données massives. Internet, puis ImageNet en 2009, fournissent des millions d'exemples étiquetés.
• La puissance de calcul. Les cartes graphiques, conçues pour les jeux vidéo, se révèlent idéales pour entraîner des réseaux de neurones.
• Les méthodes. Hinton et d'autres trouvent comment entraîner des réseaux profonds sans qu'ils se bloquent.

La rencontre des trois produit en 2012 la victoire d'AlexNet sur ImageNet, et tout s'enchaîne. C'est la vague actuelle, et c'est pour cela qu'elle ne ressemble pas aux précédentes : les promesses reposent cette fois sur des résultats mesurables, pas sur des espoirs.

Ce que ça change en centre de contact

Si les clients détestent le SVI à menus et les vieux chatbots, c'est que ces outils sont les héritiers directs d'ELIZA et de l'IA symbolique. Ils suivent des règles écrites à la main, ils ne comprennent rien, et ils s'effondrent dès qu'un client sort du scénario prévu.

Le cycle des hivers est aussi un outil de lecture utile face à un éditeur : quand la promesse prend trop d'avance sur les résultats démontrés, l'histoire dit ce qui suit. La question à poser n'est pas « est-ce que ça marchera ? » mais « qu'est-ce que vous mesurez aujourd'hui, en production, chez un client comparable ? ».

Ce qu'on retient

• Deux écoles depuis 1956 : les règles écrites à la main, ou l'apprentissage par l'exemple. La seconde a gagné, mais elle a mis soixante ans.
• ELIZA montre qu'un système qui reformule bien donne l'illusion de comprendre. Le SVI et les chatbots à règles en descendent.
• Deux hivers, un seul mécanisme : promesses, déception, financements coupés.
• La vague actuelle est différente parce que données, calcul et méthodes sont enfin réunis.