Published on:
Tracer l'ascension de l'intelligence artificielle : de la curiosité humaine à une révolution cognitive
« En tant que journaliste, j'ai toujours été profondément curieuse du monde. » Avec ces mots, la figure médiatique chinoise Yang Lan ouvre le documentaire Exploring Artificial Intelligence, encadrant un voyage guidé par des questions qui définissent de plus en plus notre époque : Les machines deviennent-elles plus intelligentes que les humains ? L'intelligence artificielle nous remplacera-t-elle un jour ? Et jusqu'où la technologie peut-elle repousser les limites de l'intelligence humaine ?
Ces questions ont acquis une urgence mondiale en 2016, une année largement considérée comme le moment de l'éclosion de l'intelligence artificielle. Du big data au cloud computing en passant par le deep learning et les systèmes autonomes, l'IA est rapidement passée des laboratoires à la conscience publique.
Un événement marquant a été le match historique au cours duquel AlphaGo a battu le champion du monde Lee Sedol, symbolisant un changement dans la perception de l'intelligence des machines par les humains.
Langage, cognition et l'esprit de la machine
L'intelligence humaine a évolué grâce au langage. Il y a environ 70 000 ans, le développement de systèmes de parole complexes a permis aux humains de décrire leur environnement, d'échanger des idées abstraites et de bâtir des sociétés. Cette « révolution cognitive » a fondamentalement remodelé la civilisation.
Le documentaire pose une question parallèle : comment les machines comprennent-elles le langage ?
Les premières tentatives étaient modestes. En 1952, des scientifiques des laboratoires Bell ont appris aux machines à reconnaître dix chiffres prononcés en anglais, baptisant le système « Audrey ». Bien que révolutionnaire, il restait loin d'une véritable compréhension du langage naturel. Les progrès étaient progressifs et souvent limités par des données et une puissance de calcul restreintes.
Les progrès étaient progressifs et souvent limités par des données et une puissance de calcul restreintes.
Un tournant majeur a eu lieu dans les années 1980, lorsque Kai-Fu Lee a commencé ses recherches sur la reconnaissance vocale à l'université Carnegie Mellon. Ses travaux ont introduit des systèmes capables de comprendre la parole continue de plusieurs interlocuteurs — une étape essentielle vers une interaction homme-machine naturelle. Pour la première fois, les machines pouvaient traiter le langage parlé d'une manière qui ressemblait à un véritable dialogue plutôt qu'à des commandes isolées.
Des systèmes basés sur des règles au Deep Learning
Malgré ces avancées, les systèmes de parole et de langage ont lutté pendant des décennies. La percée est arrivée au milieu des années 2000, portée par un nouveau paradigme : le deep learning.
En 2006, Geoffrey Hinton a publié des recherches influentes sur les réseaux de neurones profonds, s'inspirant de la structure du cerveau humain. Ses travaux mettaient l'accent sur l'échelle — des modèles plus grands, plus de couches et beaucoup plus de données. Cette approche a trouvé un écho auprès de chercheurs tels que Deng Li, qui a démontré que, lorsqu'ils sont associés à de grands ensembles de données et à une puissance de calcul moderne, les taux d'erreur dans la reconnaissance vocale pouvaient chuter de manière spectaculaire, parfois de plus de 20 % lors des premières expériences.
Ce qui avait freiné les réseaux de neurones dans les années 1990 n'était pas une théorie défectueuse, mais l'insuffisance des données et des ressources informatiques. À mesure que l'Internet générait des ensembles de données massifs et que la puissance de traitement augmentait, le deep learning s'est soudainement épanoui. Des problèmes qui semblaient autrefois insolubles ont commencé à disparaître.
Les machines entrent dans le monde physique
Le documentaire explore également comment l'intelligence artificielle dépasse le cadre logiciel pour s'intégrer dans l'environnement physique. Au laboratoire d'IA de l'université de Stanford, le robot humanoïde PR2 effectue des tâches telles que naviguer dans les couloirs, utiliser les ascenseurs et acheter du café pour les chercheurs.
Sa conception ne vise pas à imiter les humains, mais à interagir efficacement avec un monde centré sur l'humain — voir, saisir et appliquer une force contrôlée.
Cela reflète un changement plus large en robotique : les machines ne sont plus confinées aux usines. Elles apprennent à coexister avec les gens, en s'adaptant à des environnements complexes et non structurés.
Accélérer l'intelligence humaine
Après avoir visité plus de 30 laboratoires d'IA dans cinq pays et interviewé plus de 80 personnalités de premier plan, Yang Lan conclut que l'intelligence artificielle ne consiste pas simplement à remplacer l'intelligence humaine. Au contraire, elle l'accélère.
De la reconnaissance vocale et la compréhension du langage à la robotique et au deep learning, l'IA est devenue un outil qui étend les capacités humaines. La question centrale n'est plus de savoir si l'IA changera la société, mais comment l'humanité choisit de façonner ce changement.
