Définition et étymologie
L’intelligence artificielle (IA) désigne l’ensemble des théories, méthodes et techniques visant à créer des machines capables de simuler ou de reproduire des capacités cognitives considérées comme relevant de l’intelligence humaine : raisonnement, apprentissage, résolution de problèmes, perception, compréhension du langage naturel, prise de décision.
L’expression « intelligence artificielle » est formée de deux termes : intelligence, du latin intelligentia (« faculté de comprendre »), dérivé de intellegere (« comprendre », « discerner »), composé de inter (« entre ») et legere (« choisir », « lire »), suggérant la capacité de distinguer et de relier ; et artificielle, du latin artificialis, dérivé de artificium (« art », « métier », « habileté »), lui-même formé de ars (« art ») et facere (« faire »). L’intelligence artificielle désigne donc littéralement une intelligence fabriquée, produite par l’art humain plutôt que naturellement présente.
Naissance et développement
Le terme « intelligence artificielle » est officiellement créé en 1956 lors de la conférence de Dartmouth organisée par John McCarthy, Marvin Minsky, Claude Shannon et Nathan Rochester. Cette conférence fondatrice réunit des chercheurs convaincus que « chaque aspect de l’apprentissage ou toute autre caractéristique de l’intelligence peut en principe être décrit avec une précision telle qu’une machine peut être construite pour le simuler ».
Les racines conceptuelles de l’IA remontent cependant aux travaux pionniers d’Alan Turing. Dans son article fondateur « Computing Machinery and Intelligence » (1950), Turing pose la question « les machines peuvent-elles penser ? » et propose le célèbre test de Turing : si un interrogateur humain ne peut distinguer, lors d’une conversation textuelle, entre un humain et une machine, alors cette machine peut être considérée comme intelligente. Ce critère comportemental esquive la question métaphysique de la « véritable » conscience pour se concentrer sur la performance observable.
L’histoire de l’IA connaît des phases d’enthousiasme (« étés de l’IA ») et de désillusion (« hivers de l’IA »). Les premiers programmes symboliques démontrent des capacités impressionnantes dans des domaines limités : Logic Theorist (1956) prouve des théorèmes mathématiques, ELIZA (1966) simule une conversation psychothérapeutique. Mais les limitations deviennent vite apparentes face à la complexité du sens commun et du raisonnement en contexte réel.
Approches de l’intelligence artificielle
L’IA se développe selon deux paradigmes principaux :
L’IA symbolique (ou « IA traditionnelle ») représente la connaissance sous forme de symboles manipulés par des règles logiques explicites. Cette approche, dominante jusqu’aux années 1980, s’inspire de la conception computationnelle de l’esprit développée par des philosophes comme Jerry Fodor. Les systèmes experts illustrent cette approche : ils codifient l’expertise humaine en bases de règles « si-alors ».
L’IA connexionniste s’inspire du fonctionnement neuronal du cerveau. Les réseaux de neurones artificiels, composés d’unités interconnectées, apprennent à partir de données sans programmation explicite des règles. L’apprentissage profond (deep learning), développé depuis les années 2010, utilise des réseaux multicouches capables d’extraire automatiquement des représentations hiérarchiques complexes, révolutionnant la reconnaissance d’images, la traduction automatique et le traitement du langage naturel.
On distingue également IA faible et IA forte : l’IA faible vise à simuler des comportements intelligents dans des domaines spécifiques, sans prétendre reproduire une véritable compréhension ; l’IA forte ambitionne de créer une conscience artificielle authentique, dotée de compréhension et d’intentionnalité véritables.
Débats philosophiques fondamentaux
L’IA soulève des questions philosophiques cruciales qui réactualisent d’anciennes interrogations sur la nature de l’esprit.
La question de la conscience occupe une place centrale. John Searle, dans son expérience de pensée de la chambre chinoise (1980), conteste la possibilité d’une IA forte. Il imagine quelqu’un enfermé dans une pièce, manipulant des symboles chinois selon un manuel de règles, produisant ainsi des réponses en chinois parfaitement appropriées sans comprendre la langue. De même, argue Searle, un ordinateur peut manipuler des symboles syntaxiquement sans jamais accéder à la sémantique, au sens réel. La syntaxe ne suffit pas à produire la sémantique : un système formel ne peut générer d’intentionnalité intrinsèque.
Cette critique distingue deux types de propriétés mentales : les propriétés fonctionnelles (ce que fait l’esprit) et les propriétés phénoménales (ce que cela fait d’être conscient). Même si une IA reproduit parfaitement les fonctions cognitives, reste la question des qualia : possède-t-elle une expérience subjective ? Thomas Nagel, dans « What Is It Like to Be a Bat? » (1974), souligne l’irréductibilité de la perspective à la première personne.
Le fonctionnalisme, défendu par Hilary Putnam et Daniel Dennett, répond que les états mentaux sont définis par leur rôle fonctionnel, non par leur substrat physique. Si une machine réalise les mêmes fonctions cognitives qu’un cerveau humain, elle possède authentiquement ces états mentaux. Cette position, appelée réalisabilité multiple, affirme qu’une même fonction cognitive peut être implémentée dans différents supports physiques.
Le problème du cadre (frame problem), identifié par McCarthy et Hayes, révèle la difficulté de représenter le sens commun. Un système doit déterminer quelles informations sont pertinentes dans un contexte donné, ce qui semble exiger une compréhension globale du monde que les IA symboliques ne parviennent pas à capturer.
Questions éthiques et existentielles
L’IA soulève des préoccupations éthiques inédites. La question de la responsabilité se pose lorsque des systèmes autonomes prennent des décisions affectant des vies humaines (véhicules autonomes, systèmes médicaux, algorithmes judiciaires). Qui est responsable des erreurs : le concepteur, l’utilisateur, la machine elle-même ?
Les biais algorithmiques reproduisent et amplifient les discriminations présentes dans les données d’entraînement, soulevant des questions de justice distributive et d’équité.
La perspective d’une intelligence artificielle générale (IAG) égalant ou dépassant l’intelligence humaine dans tous les domaines interroge notre place dans l’univers. Nick Bostrom, dans Superintelligence (2014), analyse les risques existentiels d’une IA superintelligente dont les objectifs divergeraient des valeurs humaines.
L’IA nous confronte ainsi à des questions fondamentales : qu’est-ce que l’intelligence ? La conscience requiert-elle un substrat biologique ? Quelle est la spécificité de l’humain ? Ces interrogations prolongent les débats millénaires sur la nature de l’esprit tout en les ancrant dans des défis technologiques et éthiques concrets qui redéfinissent notre rapport au monde et à nous-mêmes.
