Oui, bon, ok, j’ai foiré l’école. Et je me suis retrouvé avec deux bacs : un d’eau chaude et un d’eau froide (la vanne est de Bernard Loiseau).
On en parle partout. Elle écrit, elle dessine, elle compose de la musique, elle joue aux échecs et au Go (et nous colle une belle taule), elle papote comme un vieux copain sur WhatsApp… et parfois, elle nous fait un peu flipper. Mais au fond, comment ça marche cette fameuse Intelligence Artificielle ? Est-ce qu’elle est vraiment « intelligente » ? Est-ce qu’elle va nous piquer notre boulot ? Est-ce qu’elle comprend ce qu’elle dit ? Spoiler : non, non, et toujours non.
Et pourtant, elle fait des trucs bluffants. Alors, on va décortiquer ça ensemble. Tu verras, rien de sorcier : un peu de math, un peu d’analogies potagères, et beaucoup de neurones (pas forcément les tiens, mais ceux du réseau).
Acte 1 : Ce que l’IA est (et n’est pas) à l’été 2025
D’abord, soyons clairs : nous n’en sommes qu’au tout début du truc. L’IA, aujourd’hui, c’est l’arrivée d’un train en gare de La Ciotat ou l’arroseur arrosé au cinoche. On est au début de quelque chose. A ce jour – donc : l’IA, ce n’est pas une personne. Elle n’a ni conscience, ni intention, ni bon sens. Elle n’a pas d’ego (heureusement), pas trop d’humour (à part malgré elle), et encore moins de désir de conquérir le monde (elle a déjà assez à faire avec des captcha). C’est une technologie qui apprend à partir des données. Point.
Acte 2 : Le moteur de l’IA, c’est un truc qui s’appelle le Machine Learning
Imagine que tu veuilles apprendre à une machine stupide (genre un ordinateur) à reconnaître un vélo. Tu peux :
- Lui donner une définition (2 roues, un guidon, une selle, etc.)
- Lui montrer 10 000 photos de vélos et lui dire à chaque fois : « ça c’est un vélo », « ça non », « ça oui ».
Eh bien, la première méthode, c’est l’ancienne école. La seconde, c’est le machine learning. Le système apprend par l’exemple. Il repère des régularités. C’est pas qu’il comprend ce qu’est un vélo, c’est qu’il repère que, statistiquement, les trucs qu’on appelle « vélo » ont tel ou tel look.
Acte 3 : Et les réseaux de neurones dans tout ça ?
Ahhh, les réseaux de neurones ! On y vient. C’est le cœur battant de presque toute l’IA aujourd’hui. C’est eux qu’on utilise pour la reconnaissance d’image, la voix, le langage, les voitures autonomes, et même pour faire chanter des IA à la place d’Elvis. Ou Imagine par Mc Cartney.
🧠 Pourquoi « neurones » ?
Parce que c’est inspiré du cerveau humain. Très vaguement, mais un peu quand même. Ce serait comme dire que ton grille-pain est inspiré du soleil. Mais l’idée est là : plein de petites unités (les neurones artificiels) connectées entre elles, qui reçoivent une info, la transforment, puis la transmettent à d’autres.
🧱 Comment c’est foutu ?
Un réseau de neurones, c’est comme un millefeuille :
- Une couche d’entrée (qui reçoit les données brutes)
- Une ou plusieurs couches cachées (où la magie opère… ou pas)
- Une couche de sortie (qui balance une réponse)
Chaque neurone est connecté à plein d’autres, avec des poids. Ces poids sont des chiffres qui déterminent l’importance de chaque connexion. Quand on entraîne le réseau :
- Il reçoit une entrée (ex : une image de chat)
- Il fait des calculs à chaque étage du réseau
- Il sort une réponse (« chat » ou « pas chat »)
- Et s’il se plante… on ajuste les poids (grâce à un processus appelé rétropropagation — le yoga de l’IA)
🧪 Un exemple concret : reconnaître un chiffre manuscrit
Prenons un réseau qui doit reconnaître le chiffre 7 écrit à la main :
- Tu lui montres 10 000 exemples de « 7 »
- Il apprend à repérer les traits verticaux + la petite barre horizontale
- Il ajuste ses connexions internes pour sortir « 7 » dès que ça ressemble à un « 7 »
- Et ainsi de suite pour les 0 à 9
Plus tu le nourris de données, plus il devient bon. Et parfois, il devient très très bon (au point de te battre aux échecs à 3 coups d’avance !).
Acte 4 : L’IA générative, c’est encore un réseau de neurones ?
Oh que oui. Ce que font Midjourney, Chat GPT4 ou DALL·E avec des images, ce sont des modèles de réseaux de neurones gigantesques, avec des milliards de paramètres. On les appelle transformers (rien à voir avec Optimus Prime, dommage), et leur grande force, c’est qu’ils peuvent analyser un contexte large (un paragraphe entier, une suite de mots, une image entière) pour produire quelque chose de nouveau. Encore une fois : ils ne « comprennent » pas ce qu’ils produisent. Mais ils sont entraînés à prédire ce qui vient après, mot après mot, pixel après pixel.
Acte 5 : Alors, est-ce que l’IA pense ?
Non. L’IA ne pense pas. Pas encore, en tou cas. Aujourd’hui, c’est irréfutable : elle calcule. Elle n’a pas d’intention, pas de but propre. Elle fait ce pour quoi on l’a programmée — ou entraînée — sans jamais sortir du cadre. C’est comme un moulin à vent : tant qu’il y a du grain (les données) et du vent (la puissance de calcul), ça tourne. Mais il ne se demande pas si le pain sera bon. Ou cher. Ou je-ne-sais-quoi.
Acte 6 : Les limites de l’IA aujourd’hui à l’été 2025
- Biais : Si tu entraînes ton IA sur des données biaisées, elle le sera aussi. Elle ne devine pas ce qui est juste ou faux. Elle reflète ce qu’on lui donne.
- Hallucinations : L’IA générative peut inventer des infos. Elle « remplit les blancs » même si elle ne sait pas. Quiconque l’utilise un tout petit peu sait que, parfois, l’IA débite des conneries à pleins tuyaux.
- Opacité : Les réseaux de neurones sont parfois des boîtes noires. Difficile de dire pourquoi ils donnent telle ou telle réponse. Difficile de comprendre le fonctionnement.
Acte 7 : Pourquoi c’est si important de comprendre ?
Après tout ? Pourquoi la terre est ronde ? L’atome existe ? Eh bien parce que l’IA va faire partie de tous les métiers, toutes les boîtes, tous les secteurs. Et il ne s’agit pas forcément de devenir ingénieur, mais de savoir comment ça marche, ce que ça peut (ou pas) faire, et ce que ça implique. Bref :
– Pour ne pas être dépassé.
– Pour ne pas lui confier les clés sans comprendre à qui tu les donnes.
– Et pour pouvoir en parler en connaissance de cause à un copain, un collègue ou ton conseiller retraite (bon ok, peut-être pas lui), le mieux, comme le vélo cité plus haut, c’est de pratiquer (c’est totalement gratuit) et c’est par ici : https://chagpt.com
Tu me remercieras plus tard, j’ai l’habitude.
