Historique de l’intelligence artificielle
L’intelligence artificielle ne commence pas avec les robots conversationnels. Elle s’est construite progressivement, par étapes : modélisation du neurone, question de la pensée machine, naissance d’un champ de recherche, robotique, jeux, voitures autonomes, langage, images et agents généralistes.
Comprendre cette histoire permet de mieux situer l’IA actuelle. Elle n’est pas une rupture isolée : elle est le résultat d’un long travail scientifique, technique et culturel. Pour un usage privé ou professionnel, cette perspective aide à distinguer l’effet de nouveauté de ce qui compte vraiment : savoir formuler une demande, comprendre les limites des systèmes et garder le contrôle humain.
Une chronologie visuelle de l’intelligence artificielle
Cette frise présente quelques repères majeurs. Elle ne prétend pas résumer toute l’histoire de l’IA, mais elle permet de comprendre comment on est passé d’une question théorique — une machine peut-elle penser ? — à des outils capables de produire du texte, du code, des images, des réponses scientifiques ou des actions multimodales.
1943
Le neurone devient un modèle logique
Warren McCulloch et Walter Pitts proposent une modélisation logique du neurone, ouvrant une première voie entre neurosciences, logique mathématique et calcul.
1950
Turing pose la question de la pensée machine
Alan Turing reformule la question « une machine peut-elle penser ? » avec le jeu de l’imitation, qui deviendra le test de Turing.
1956
Le terme “intelligence artificielle” s’impose
Lors de la conférence de Dartmouth, le terme “intelligence artificielle” s’impose comme nom d’un nouveau champ de recherche.
Question repère
Pourquoi la conférence de Dartmouth est-elle importante dans l’histoire de l’intelligence artificielle ?
Elle est importante parce qu’elle donne un nom et une ambition à un nouveau champ de recherche : l’intelligence artificielle. L’idée centrale est que certaines formes d’intelligence pourraient être décrites assez précisément pour être simulées par une machine.
1966-1972
Shakey relie perception et action
Shakey, développé au Stanford Research Institute, devient le premier robot mobile capable de percevoir son environnement et de raisonner sur ses actions.
Années 1980-1990
Les réseaux convolutifs progressent
Les réseaux de neurones convolutifs progressent et ouvrent la voie aux futurs succès du deep learning, ou apprentissage profond.
1997
Deep Blue bat Garry Kasparov
Deep Blue, le superordinateur d’IBM, bat Garry Kasparov, champion du monde d’échecs, dans un match en six parties.
Question repère
Pourquoi Deep Blue marque-t-il l’histoire de l’intelligence artificielle ?
Deep Blue marque l’histoire de l’IA parce qu’il bat Garry Kasparov, champion du monde d’échecs, dans un match en six parties. Cette victoire a une forte portée symbolique : une machine dépasse un champion humain dans une activité longtemps associée au raisonnement stratégique.
2005
Stanley gagne le DARPA Grand Challenge
Stanley, voiture autonome de l’équipe Stanford, remporte le DARPA Grand Challenge en parcourant un trajet désertique sans intervention humaine.
2011
Watson remporte Jeopardy!
Watson, système d’IBM capable de répondre à des questions en langage naturel, remporte le jeu télévisé Jeopardy! face à deux grands champions.
2015
AlphaGo bat un joueur professionnel de go
AlphaGo bat Fan Hui, joueur professionnel de go, marquant une étape majeure dans la maîtrise d’un jeu réputé très complexe pour les machines.
2018
AlphaFold transforme la prédiction des protéines
AlphaFold réalise une percée majeure dans la prédiction de la structure des protéines ; cette avancée sera amplifiée par AlphaFold2 au début des années 2020.
2020
GPT-3 change l’échelle des modèles de langage
GPT-3 montre qu’un modèle de langage de très grande taille peut produire du texte, répondre à des consignes et réaliser certaines tâches à partir de quelques exemples.
2021
DALL·E génère des images à partir de texte
DALL·E montre qu’un système d’IA peut générer des images à partir de descriptions écrites en langage naturel.
2022
Minerva progresse en raisonnement scientifique
Minerva, modèle de Google, progresse dans la résolution de problèmes mathématiques et scientifiques en produisant des raisonnements étape par étape.
2022
Gato illustre l’idée d’un agent généraliste IA
Gato, présenté par DeepMind, montre qu’un agent généraliste IA peut traiter des tâches variées : jeu, dialogue, description d’images ou contrôle robotique.
2022
ChatGPT rend l’IA conversationnelle accessible au grand public
ChatGPT rend l’IA conversationnelle accessible au grand public et transforme la manière dont chacun peut interagir avec un modèle de langage.
Question repère
Pourquoi ChatGPT change-t-il l’accès du public à l’intelligence artificielle ?
ChatGPT change l’accès à l’IA parce qu’il permet de dialoguer avec un modèle de langage en écrivant une demande en langage courant. L’utilisateur n’a plus besoin de connaître un langage technique : il formule une consigne, reçoit une réponse, puis peut l’améliorer par le dialogue.
Ce que cette histoire nous apprend
L’histoire de l’intelligence artificielle montre d’abord que l’IA n’est pas apparue brutalement. Elle repose sur des décennies de recherche en logique, informatique, mathématiques, robotique, traitement du langage et apprentissage automatique.
Chaque étape a déplacé la frontière de ce que l’on pensait réservé à l’intelligence humaine : jouer aux échecs, répondre à des questions, reconnaître des images, conduire, produire du texte, générer des images ou résoudre certains problèmes scientifiques.
Les outils actuels demandent donc une compétence nouvelle : savoir dialoguer avec la machine. L’enjeu n’est pas seulement d’utiliser un logiciel. Il est de formuler une consigne claire, de contrôler la réponse, de vérifier les résultats et d’intégrer l’IA dans une pratique privée ou professionnelle responsable.
Sources et repères
Cette page s’appuie sur quelques repères historiques et sources de référence. Elle ne constitue pas une histoire exhaustive de l’intelligence artificielle, mais une sélection de jalons permettant de mieux comprendre les usages actuels de l’IA.
- Warren McCulloch et Walter Pitts, A Logical Calculus of the Ideas Immanent in Nervous Activity, 1943.
- Alan Turing, Computing Machinery and Intelligence, 1950.
- Alan Turing, Machines à calculer et intelligence, traduction française utilisée comme document de travail Neocours, 25 avril 2026.
- Dartmouth, repère historique sur la naissance du terme “Artificial Intelligence”.
- SRI International, Shakey the Robot.
- IBM, Deep Blue.
- Stanford, Stanley et le DARPA Grand Challenge.
- IBM, Watson et Jeopardy!.
- Google DeepMind, AlphaGo.
- Google DeepMind, AlphaFold.
- OpenAI, Language Models are Few-Shot Learners, GPT-3.
- OpenAI, DALL·E: Creating images from text.
- Google Research, Minerva.
- Google DeepMind, Gato: A Generalist Agent.
- OpenAI, Introducing ChatGPT.
Informations mises à jour le : 25 avril 2026