L'Intelligence Artificielle (IA) regroupe les techniques qui permettent à une machine de réaliser des tâches habituellement associées à l'intelligence humaine : reconnaître, comprendre, raisonner, apprendre.
1. Deux axes qui se croisent
On entend souvent parler de « trois catégories » d'IA. En réalité ce sont deux axes différents, et un même système est classé sur les deux à la fois.
Axe 1, l'étendue des compétences
IA étroite (Narrow AI) : spécialisée dans une tâche ou un domaine. Reconnaissance d'image, traduction, recommandations Netflix… et aussi ChatGPT ou Claude. C'est toute l'IA d'aujourd'hui.
IA générale (AGI) : un système capable de raisonner sur n'importe quel domaine, comme un humain. N'existe pas encore en 2026.
Axe 2, le type de sortie
IA générative : crée du contenu nouveau (texte, image, code) en apprenant des régularités sur d'énormes corpus. Ex : ChatGPT, Midjourney, Claude.
Une IA générative reste une IA étroite : « générative » dit ce qu'elle produit, pas l'étendue de ce qu'elle sait faire.
2. Histoire en 4 dates
1950 : Alan Turing pose la question « les machines peuvent-elles penser ? »
1956 : Naissance officielle du terme « Intelligence Artificielle » (conférence de Dartmouth).
2012 : Révolution du deep learning (AlexNet bat les autres méthodes en reconnaissance d'image).
2022-2026 : Explosion des LLMs (GPT-4, Claude, etc.) et démocratisation grand public.
3. IA, ML, Deep Learning : quelles différences ?
IA : le champ entier (le plus large).
Machine Learning (ML) : sous-domaine où la machine apprend à partir de données plutôt que de règles écrites à la main.
Deep Learning : sous-domaine du ML utilisant des réseaux de neurones profonds (multi-couches).
Inclusion : Deep Learning ⊂ Machine Learning ⊂ IA.
Trois cadres emboîtés : le deep learning tient dans le machine learning, qui tient lui-même dans l'intelligence artificielle