Petite histoire de l'IA et paysage des outils d'aujourd'hui

Dans les débuts de l'IA (années 1950 à 1980), les programmes fonctionnaient avec des règles écrites à la main par des humains : « si telle condition, alors telle action » (systèmes experts). Problème : il fallait prévoir chaque règle pour chaque situation — ingérable dès que le monde réel devenait complexe.

À partir des années 1990-2010, le Machine Learning a changé l'approche : au lieu d'écrire les règles, on laisse la machine les déduire à partir d'exemples. Puis, à partir des années 2010, le Deep Learning a permis des progrès spectaculaires grâce à trois facteurs réunis : beaucoup plus de données disponibles, des ordinateurs beaucoup plus puissants, et de meilleures techniques de calcul.

Les modèles de langage puissants existaient déjà avant fin 2022, mais réservés aux chercheurs et aux grandes entreprises technologiques. Ce qui a changé fin 2022 : la mise à disposition du grand public d'un assistant conversationnel gratuit, utilisable en langage naturel, sans compétence technique. En quelques mois, des dizaines de millions de personnes qui n'avaient jamais entendu parler de Deep Learning se sont mises à utiliser l'IA générative au quotidien — et d'autres entreprises ont rapidement proposé leurs propres assistants.

À retenir : l'IA générative n'est pas née en 2022, elle est devenue accessible en 2022. La technologie existait déjà ; c'est la porte d'entrée grand public, gratuite et en langage naturel, qui a changé la donne.

Ce sont les outils les plus connus du grand public : on leur écrit une demande en langage naturel, ils répondent par du texte. Ils servent à rédiger, résumer, traduire, expliquer, réfléchir à voix haute sur un problème.

Image : à partir d'une description en texte (ou d'une photo existante), ces outils génèrent ou transforment des visuels. Audio : génération de voix off, transcription d'un enregistrement vocal en texte, composition musicale simple. Vidéo : génération de courtes séquences animées, sous-titrage automatique, montage assisté. Ces familles seront approfondies au Module 7 (Création avec l'IA).

Recherche augmentée : certains outils IA recherchent sur internet en temps réel avant de répondre, ce qui réduit (sans l'éliminer) le risque de données obsolètes. Code : des outils IA aident à écrire, comprendre ou corriger du code — utile même pour un non-développeur qui veut comprendre un message d'erreur. Automatisation : des outils IA permettent d'enchaîner plusieurs actions automatiquement (sujet approfondi au Module 8).

Erreur très fréquente chez les débutants : penser que « l'IA », c'est uniquement l'assistant conversationnel qu'on utilise le plus souvent. En réalité, cet assistant n'est qu'une porte d'entrée parmi d'autres vers des familles d'outils très différentes. Certains assistants modernes intègrent d'ailleurs plusieurs familles à la fois (texte, image, recherche) dans une seule interface, ce qui peut brouiller encore plus cette distinction si on ne la connaît pas.

La bonne question n'est jamais « quel est le meilleur outil IA ? » — c'est « quelle est la nature de ma tâche, et quelle famille d'outils y répond ? ». Rédiger/résumer/expliquer → assistant conversationnel. Créer/modifier un visuel → génération d'image. Créer une voix off ou transcrire → outil audio. Vérifier une information très récente → assistant avec recherche augmentée. Comprendre une erreur de programme → outil orienté code. Répéter une suite d'actions → outil d'automatisation.