L'histoire de l'intelligence artificielle
- Stéphane Guy
- 13 mai
- 14 min de lecture
On parle désormais de l'IA un peu partout sur Internet. Mais est-ce que vous vous êtes déjà demandé comment l'IA a été créée, quelle est son (ou ses) origine(s)... ? Quand on parle d'intelligence artificielle, on pense automatiquement à des outils informatiques comme ChatGPT, Copilot, et maintenant à des appareils boostés à l'IA comme les smartphones Google Pixels ou les Galaxy S. Mais était-ce vraiment et uniquement ça à l'origine ? On vous explique.
En bref
L'intelligence artificielle naît théoriquement en 1943 avec les premiers réseaux de neurones, se structure en 1956 lors de la conférence de Dartmouth, traverse deux "hivers" de financement, puis explose avec le deep learning (2012), l'architecture Transformer (2017) et ChatGPT (2022). En 2026, son marché mondial dépasse 391 milliards de dollars (Grand View Research).
L'histoire de l'IA puise ses racines dans la philosophie antique, où les penseurs cherchaient à "mécaniser" la pensée humaine.
Avant l'informatique, des tentatives de reproduction du vivant, le canard de Vaucanson, les golems tibétains, préfiguraient déjà l'idée d'une intelligence fabriquée.
L'IA moderne naît en 1943 avec les recherches sur les réseaux de neurones, et se structure autour du test de Turing (1950) et du machine learning (1959).
Après un âge d'or dans les années 1950-1960, l'IA traverse deux "hivers" avant de renaître grâce au deep learning et à AlexNet en 2012, une révolution silencieuse qui allait tout changer.
En 2017, l'architecture Transformer signe le vrai point de bascule vers l'IA générative. Depuis ChatGPT en 2022, l'IA appartient à tout le monde.
Avant d'expliquer l'histoire de l'IA : c'est quoi l'intelligence artificielle au fait ?
Avant de rentrer dans le vif du sujet, il convient de rappeler la définition même de l'IA, afin de débuter sur de bonnes bases. Si ce n'est pas encore fait, on vous invite à lire notre article qui explique c'est quoi une IA. Vous aurez ainsi toutes les clés pour mieux comprendre de quoi il est question ici !
Les origines de l'IA : avant même de parler informatique, une affaire de philosophie
Les origines de l'IA ne sont pas aussi pragmatiques et terre-à-terre que ce que nous voyons de nos jours. En effet, l'intelligence artificielle remonte à l'antiquité, plusieurs milliers d'années en arrière, lorsque les philosophes grecs, indiens ou chinois tentèrent de "mécaniser" et de "schématiser" la pensée humaine pour la décortiquer et la comprendre. C'est avec ce souhait philosophique et cette recherche que l'IA apparaît, bien loin des concepts et théories informatiques ou mathématiques.
Plus tard, des chercheurs, philosophes et penseurs continueront de chercher à théoriser la pensée humaine, à l'instar de Gottfried Wilhelm Leibniz, penseur du XVIIe siècle.* Ce dernier explique dans un de ses ouvrages, De Arte Combinatoria, comment la pensée humaine pourrait être organisée selon un alphabet contenant toutes les idées humaines communes afin de mieux comprendre et prévoir les réactions de l'homme pour le juger plus objectivement.
Au XVIIe siècle, c'est également George Boole qui formalisera les bases mathématiques du raisonnement logique avec son algèbre booléenne*, des fondations que tout ordinateur utilise encore aujourd'hui. Le titre de son œuvre principale (1854), Les Lois de la pensée, dit tout sur les ambitions de l'époque.
On voit donc que depuis des millénaires, l'homme essaya de théoriser, comprendre et analyser l'intelligence humaine. Un processus essentiel pour la répliquer et la reproduire dans un programme informatique... En effet, comment créer une intelligence artificielle si on ne comprend pas notre propre psychologie ?
L'IA et les répliques d'organismes vivants
Dans la même période, plusieurs figures historiques essayent de répliquer les organismes humains, mais également ceux des animaux pour en comprendre le fonctionnement et parvenir à le répliquer. C'est par exemple le cas du canard de Vaucanson, dans la première moitié du XVIIIe siècle.* Ce robot dont le but était de répliquer le système digestif d'un véritable canard reflète bien la volonté de la société de l'époque de vouloir comprendre le fonctionnement du vivant sur le plan organique, mais également mental. Ce deuxième volet est également exploré avec les moines tibétains et d'autres groupes religieux qui, à travers le monde et l'histoire, tentèrent de créer des golems, des êtres doués d'une conscience propre et obéissants aux moines. Le but était ici de créer un être doué d'une intelligence propre, et créé de toutes pièces. Une intelligence... artificielle !
1943 - 1956 : la naissance de l'IA sur le plan théorique
C'est en 1943 que naît l'IA au sens où nous l'entendons : informatique et mathématique. En effet, Warren McCullough et Walter Pitts, respectivement chercheur en neurologie et mathématicien, tous deux Américains, publient cette année "A Logical Calculus of Ideas Immanent in Nervous Activity."*, qu'on peut traduire par "Un calcul logique des idées immanentes à l'activité nerveuse". Ce document présente à l'ensemble de la communauté scientifique les recherches des deux hommes pour créer un réseau de neurones artificiels. Car quoi de mieux pour fabriquer une intelligence artificielle que de répliquer le cerveau humain ?
Pour aller plus loin sur ce sujet fondateur, notre article sur les réseaux de neurones artificiels, ce que c'est et comment ça marche décortique ces mécanismes en détail.
D'ailleurs, c'est en 1950 qu'est fabriqué SNARC, pour Stochastic Neural Analog Reinforcement Calculator, qu'on peut traduire par Calculateur de renforcement analogique stochastique et neuronal. Cette machine, créée par Marvin Lee Misky, scientifique américain, trouve son origine directement grâce aux écrits de McCullough et Pitts. Misky aura en effet été inspiré desdits travaux pour concevoir et créer sa machine. SNARC est très intéressant, car il s'agit du tout premier ordinateur créé avec un réseau neuronal. Ce dernier était même capable d'apprendre de lui-même !
La même année, Alan Turing publie son très célèbre "Test de Turing", une épreuve conçue pour savoir si une machine est assez sophistiquée pour se faire passer pour un humain sans être détectée. Le test de Turing est simple : un humain est placé face à une autre personne dont il ne sait pas si elle est humaine ou machine. On peut visualiser un homme attablé avec devant lui un rideau qui l'empêche de voir l'autre côté de la table. Celui-ci doit poser des questions à l'entité face à lui et dont il ignore la nature. Il doit ensuite, à l'aide des réponses obtenues, déterminer si l'entité est un humain ou une machine. On considère que la machine réussit le test de Turing quand l'humain ne parvient plus à déterminer s'il s'agit d'une machine ou d'un humain, et/ou s'il fait autant de fautes dans l'interprétation de ses réponses pour un humain et une machine. Ce test, créé par Alan Turing, l'un des plus grands mathématiciens du monde, illustre bien l'essor des machines et du concept d'IA et son intérêt grandissant auprès de la communauté scientifique.
Ce test, longtemps théorique, a été franchi dans certaines conditions par GPT-4, selon des études publiées en 2024 par l'université de Californie San Diego, soixante-dix ans après sa création.*
En 1952, le premier programme pour jouer aux échecs est créé. Il s'appelle Turochamp et est créé par Alan Turing et D. G. Champernowne, un statisticien anglais. Mais c'est en 1956 qu'on considère que l'IA arrive enfin "véritablement" et entre dans son premier âge d'or, à la conférence de Dartmouth.
1956 - 1970 : l'âge d'or de l'IA
La conférence de Dartmouth, organisée par Marvin Lee Minsky, l'inventeur de SNARC et par Jonh McCarty, mathématicien et pionnier de l'intelligence artificielle, est considérée comme le pivot dans le processus d'émergence de l'intelligence artificielle. C'est en effet lors de ce rassemblement que l'on voit apparaître le terme "intelligence artificielle" pour la première fois au monde.
En 1959, Arthur Samuel, un autre pionnier américain de l'IA, créé ensuite le terme de 'Machine Learning" qui sera ensuite repris jusqu'à nos jours pour expliquer le concept d'apprentissage des machines par l'expérience au lieu d'être programmé de manière manuelle et intentionnelle par les humains.
C'est également durant cette période que le raisonnement par tâtonnement est créé. Ce concept informatique est l'un des tout premiers systèmes de fonctionnement créé pour l'IA. Il consiste tout simplement en une méthode simple : le programme, pour atteindre son objectif, va faire plusieurs tentatives jusqu'à arriver à son objectif.
Entre 1964 et 1966, ELIZA*, un programme informatique reposant sur l'intelligence artificielle, voit le jour. Son concept ? Reproduire des conversations en imitant un thérapeute. Et déjà à l'époque, certaines personnes ayant pu tester ce programme boosté par l'IA se sont dites bluffées par la cohérence de ses réponses et son réalisme. Comme quoi, nos intelligences artificielles et autres chatbots d'aujourd'hui n'ont rien inventé !
1970 - 1980 : l'hiver de l'intelligence artificielle
Dans les années 1970, le secteur de l'IA n'est plus aussi attractif qu'il l'était dans les décennies précédentes. Plusieurs facteurs expliquent cela. D'abord, un facteur purement technologique, empêchant l'IA de se développer aussi vite que la communauté scientifique l'espérait, crée une déception certaine dans cette communauté, puis chez les investisseurs. Les ordinateurs et technologies des années 1970 n'étaient tout simplement pas assez puissants pour parvenir à rendre l'intelligence artificielle assez performante.
Parallèlement à cela, des critiques universitaires commencent à se faire de plus en plus nombreuses. On reproche à l'IA son manque d'applications concrètes, mais également les modèles neurologiques et mathématiques sur lesquels elle repose, moins en vogue durant cette décennie. En plus de cela, des critiques éthiques émergent de plus en plus, et certaines personnalités commencent à questionner le fait de créer une machine imitant et ressemblant à un humain dans son raisonnement, ou encore la dangerosité d'un tel programme pour l'emploi, voire pour l'humanité.
Tout ceci crée un frein des investissements et une baisse des crédits et des budgets alloués dans ce secteur, causant ainsi ce qu'on appelle un "hiver" de l'intelligence artificielle jusque dans les années 1980 environ.
1980 - 1990 : le retour de l'IA dans la recherche
L'IA revient sur le devant de la scène avec des innovations très intéressantes dans les années 1980, notamment le machine learning. Thème déjà théorisé par Arthur Samuel en 1959, il sera cette fois-ci appliqué aux nouvelles intelligences artificielles. L'apprentissage par l'erreur et l'expérience deviennent de plus en plus concrets, et les IA de l'époque sont connectés à d'autres domaines comme la statistique ou la reconnaissance pour mieux apprendre. Elles commencent à reconnaître des images ou des textes.
Parallèlement à ça, les investissements vont à nouveau bon train. Par exemple, en 1981, le ministère japonais de l'Économie, du Commerce et de l'Industrie alloue 850 millions de dollars, pour un projet d'ordinateur quantique de cinquième génération. L'objectif de ce projet était d'élaborer une intelligence artificielle capable de parler et de répondre comme un humain, mais également de penser comme lui.
En 1986, Geoffrey Hinton, qui recevra le Prix Nobel de physique 2024 pour ces mêmes travaux, publie avec ses collaborateurs des recherches décisives sur la rétropropagation du gradient, une technique permettant d'entraîner des réseaux de neurones profonds. Une brique fondamentale que le monde entier utilisera 30 ans plus tard.*
1990 -2000 : Les grandes victoires de l'IA
Dans les années 1990, l'IA trouve des applications concrètes dans le secteur professionnel, notamment en finance et dans le secteur technologique. Ces percées sont encore assez timides, mais montrent un changement dans la vision du public et de l'IA, même si certains domaines voient encore avec dédain ce type de programmes. L'IA ne jouit pas d'une excellente réputation selon le secteur d'activité. En cause : on ignore pourquoi l'intelligence artificielle n'arrive pas à égaler l'intelligence humaine malgré les diverses avancées technologiques, et les réticences éthiques et philosophiques sont toujours vives. Cependant, c'est bien dans les années 1990 que l'IA se fraie un chemin dans notre société de manière concrète.
En 1997, un événement vient propulser l'IA dans une nouvelle dimension pour le formuler ainsi. En effet, c'est durant cette année que le système informatique d'IBM, Deep Blue,* bat le champion du monde d'échecs, Gary Kasparov. On peut également parler du DARPA Grand Challenge, un concours organisé par la DARPA, pour Defense Advanced Research Projects Agency, ou Agence de recherches en projets avancés de la défense. Il s'agit d'un concours dont le but est d'évaluer les meilleurs véhicules autonomes. Le concours est remporté en 2005 par un robot de Stanford. Ce dernier a conduit de manière autonome sur une distance de 210 kilomètres, sans informations préalables sur la zone dans laquelle il allait évoluer.
Toutes ces avancées et ses succès ont été rendus possibles grâce à l'évolution technologique très rapide des machines. Des ordinateurs de plus en plus puissants et à même d'exécuter des algorithmes et des tâches complexes permettent de grandes avancées dans le domaine de l'intelligence artificielle.
2000 - 2020 : Les nouvelles victoires de l'intelligence artificielle contre l'homme
En 2000, une invention va permettre à l'IA de faire de grandes avancées : Internet. Au fur et à mesure que le Web s'étendait et se connectait partout à travers le globe, des milliards de données se sont accumulées, créant petit à petit ce qu'on appelle aujourd'hui le Big Data. Et c'est ce big data qui allait devenir et reste encore aujourd'hui le carburant principal pour les IA. Des données par milliards à assimiler et apprendre pour se perfectionner. Un paradis de l'intelligence artificielle et pour qui veut créer un programme de ce type.
Grâce à tout cela, les grandes firmes technologiques se lancent dans l'aventure. Apple lance en 2007 Siri, son assistant connecté. Google sort la même année Now, son assistant de l'époque. Microsoft, de son côté, lance Cortana en 2014 avant de l'abandonner officiellement en 2024, au profit de Copilot, son assistant IA nouvelle génération intégré à Windows et à Microsoft 365. Chez Google, Google Now a progressivement laissé place à Google Assistant, lui-même absorbé par Gemini depuis 2024.
Côté victoires, l'IA n'est pas en reste. Citons la machine d'IBM qui a remporté le jeu télévisé Jeopardy! face aux deux champions en titre, Brad Rutter et Ken Jenning. Ce jeu consiste à deviner la question à partir de réponses données. Puis vient en 2016 AlphaGo, qui bat le champion du monde de Go, démontrant à nouveau la supériorité de l'IA dans ce domaine.
2012-2020, les deux révolutions silencieuses
Mais les deux événements qui allaient réellement tout changer passent souvent inaperçus dans les récits grand public.
2012 : AlexNet et la révolution du deep learning.
Cette année-là, Alex Krizhevsky et Geoffrey Hinton présentent AlexNet au concours ImageNet, un événement qui met à l'épreuve les outils de reconnaissance d'image. AlexNet "a fait 10,8 % d'erreurs de moins que le deuxième"* outil de la compétition. Il est alors pour l'époque bien supérieur à tous ses pairs.
C'est l'acte de naissance du deep learning moderne. Pour la première fois, des réseaux de neurones profonds, entraînés sur des GPU et de vastes bases de données, surpassent toutes les autres approches. Vision par ordinateur, traduction automatique, reconnaissance vocale : tout fait un bond historique en quelques mois. Pour comprendre comment fonctionnent ces mécanismes en détail, notre article sur le deep learning expliqué simplement est un point de départ idéal.
2017 : l'architecture Transformer, le vrai Big Bang de l'IA générative.
Des ingénieurs de Google publient "Attention is All You Need", introduisant l'architecture Transformer. Ce mécanisme remplace les réseaux récurrents par un système dit d'"attention", qui permet de traiter des séquences entières en parallèle, et d'entraîner des modèles d'une taille inédite.
Toutes les IA génératives modernes en descendent directement : BERT, GPT, Claude, Gemini, Mistral. Sans le Transformer de 2017, il n'y a pas de ChatGPT en 2022. En 2020, OpenAI présente GPT-3 : pour la première fois, une IA sait rédiger des textes, répondre à des questions complexes, traduire et même coder, à partir de quelques mots. Le cap est franchi.
2020 à nos jours : l'IA démocratisée et accessible à tous
En novembre 2022, OpenAI lance ChatGPT. En deux mois, la plateforme atteint 100 millions d'utilisateurs, un record de croissance jamais vu pour aucun produit dans l'histoire du numérique. Pour des centaines de millions de personnes, c'est la première fois qu'elles "parlent" à une IA, et qu'elles en reviennent impressionnées.
Ce lancement ouvre les vannes. En quelques mois, c'est toute la planète tech qui se repositionne :
Google accélère Gemini, son modèle multimodal capable de traiter texte, images et audio.
Anthropic déploie Claude, reconnu pour sa sécurité et son aptitude au raisonnement long.
Meta libère LLaMA en open source, permettant à des milliers de chercheurs et startups d'accéder à un modèle de pointe.
Mistral AI, la pépite française fondée en 2023, s'impose comme le champion européen des modèles ouverts.
DeepSeek, startup chinoise, crée la surprise en janvier 2025 en publiant un modèle open source aux performances comparables à GPT-4, entraîné à une fraction du coût, provoquant un véritable séisme sur les marchés financiers.
En octobre 2024, le comité Nobel récompense pour la première fois explicitement des pionniers de l'IA : John Hopfield et Geoffrey Hinton reçoivent le Prix Nobel de physique pour leurs travaux fondateurs sur les réseaux de neurones artificiels.* Une consécration scientifique soixante ans après les premiers réseaux. Ironie de l'histoire : Hinton, surnommé le "parrain de l'IA", avait quitté Google en 2023 pour parler plus librement de ses inquiétudes sur les risques de la technologie.
En parallèle, l'Union européenne adopte l'AI Act, premier cadre réglementaire au monde encadrant l'IA par niveau de risque. Il entre en vigueur progressivement entre 2024 et 2026, imposant transparence, tests de biais et supervision humaine pour les systèmes à risque élevé.
Et désormais ? L'IA n'est plus seulement générative, elle devient agentique. Des systèmes capables d'agir de manière autonome, d'enchaîner des tâches complexes sans supervision humaine, et de collaborer entre eux. En 2026, 72 % des grandes entreprises françaises utilisent l'IA dans au moins un processus métier.* Deplus selon le CNUCED, "L’intelligence artificielle (IA) s’impose rapidement comme la technologie phare de notre époque. Un nouveau rapport d’ONU commerce et développement (CNUCED) prévoit que le marché mondial de l’IA passera de 189 milliards de dollars en 2023 à 4 800 milliards en 2033 – soit une multiplication par 25 en dix ans."**
Quel futur et enjeux pour l'IA ?
La recherche n'a jamais été aussi active, et le rythme des innovations donne le vertige. Certains experts évoquent la possibilité de super IA ou d'IA "générales" (AGI), des systèmes qui n'imiteraient plus l'intelligence humaine dans un domaine précis, mais dans l'ensemble de ses dimensions. Pour comprendre ces distinctions, notre article sur les différents types d'intelligences artificielles, faible, forte, super IA fait le point.
Nous n'en sommes pas là. Mais les jalons s'enchaînent à une vitesse qui surprend même les spécialistes. “En 2025, lAI Index Report de l’Institut d’IA centrée sur l’humain de l’Université de Stanford estimait que « le coût d’inférence d’un système performant au niveau de GPT-3.5 a été divisé par plus de 280 entre novembre 2022 et octobre 2024.”* Ce que l'on payait une fortune il y a deux ans est aujourd'hui quasi gratuit.
Les questions qui s'imposent ne sont plus seulement technologiques. Elles sont éthiques, politiques, sociales. Qui contrôle ces systèmes ? Qui en profite ? Que faire de l'impact environnemental d'un entraînement de modèle, de la montée des deepfakes, de l'automatisation massive de certains métiers ? Ces débats, déjà vifs dans les années 1970 lors du premier "hiver" de l'IA, ont aujourd'hui une résonance planétaire.
Ce qui est certain, c'est que l'intelligence artificielle, après près d'un siècle de progrès, n'en est encore qu'à ses débuts. Et les dix prochaines années en diront plus long que les soixante-dix précédentes réunies.
FAQ
Quand et comment l'intelligence artificielle est-elle née officiellement ?
Bien que ses racines philosophiques remontent à l'Antiquité, l'IA naît scientifiquement en 1943 avec le premier modèle mathématique de neurone artificiel (McCulloch et Pitts). Cependant, c'est la conférence de Dartmouth en 1956 qui marque l'acte de naissance officiel de la discipline, où le terme "intelligence artificielle" est utilisé pour la première fois par John McCarthy et Marvin Minsky.
Qu'est-ce qu'un "hiver de l'IA" et pourquoi se sont-ils produits ?
Un "hiver de l'IA" est une période de stagnation caractérisée par une coupe drastique des budgets et un désintérêt de la recherche. Le secteur en a connu deux (principalement dans les années 1970 et 1990). Ils ont été causés par un décalage trop important entre les promesses ambitieuses des chercheurs et les capacités limitées des ordinateurs de l'époque, entraînant une perte de confiance des investisseurs.
Quels sont les deux événements "pivots" entre 2012 et 2017 qui expliquent le succès actuel de l'IA ?
Deux révolutions techniques majeures ont tout changé :
2012 (AlexNet) : L'explosion du deep learning (apprentissage profond) qui a prouvé que les réseaux de neurones surpassaient toutes les autres méthodes pour la reconnaissance d'images.
2017 (Architecture Transformer) : La publication de l'article "Attention is All You Need" par Google, introduisant le mécanisme de l'attention. C'est la brique technologique indispensable qui a permis la création de ChatGPT, Claude et Gemini.
Quelle est la différence entre l'IA générative et l'IA agentique évoquée en 2026 ?
L'IA générative (comme GPT-4) se concentre sur la création de contenu (texte, image, code) en réponse à une commande. L'IA agentique, frontière actuelle du domaine, désigne des systèmes capables d'agir de manière autonome : ils peuvent décomposer un objectif complexe en plusieurs étapes, utiliser des outils externes et collaborer entre eux pour accomplir une mission sans supervision humaine constante.
Comment la régulation et la science ont-elles validé l'IA récemment ?
Le domaine a atteint une maturité historique entre 2024 et 2025 à travers deux piliers :
Scientifique : L'attribution du Prix Nobel de physique 2024 à Geoffrey Hinton et John Hopfield pour leurs travaux sur les réseaux de neurones.
Légal : L'adoption de l'AI Act européen, premier cadre réglementaire mondial qui classe les IA par niveau de risque, imposant de nouvelles normes de transparence et de sécurité d'ici 2026.
Commentaires