Tout a commencé par une idée.
Aujourd’hui, l’IA transforme le monde.
1956 · Dartmouth
À l’été 1956, un petit groupe de mathématiciens et de scientifiques se réunit à Dartmouth autour d’une idée radicale : certains mécanismes de l’apprentissage et de l’intelligence pourraient être reproduits par une machine. L’intelligence artificielle devient un champ de recherche.
2003–2011
De meilleures méthodes. Beaucoup plus de données. Une nouvelle puissance de calcul. Entre 2003 et 2011, ces trois ingrédients permettent aux réseaux neuronaux d’apprendre des représentations de plus en plus complexes directement à partir des exemples.
2003
Les mots prennent une forme mathématique.
Un réseau neuronal apprend une représentation de chaque mot et rapproche ceux qui apparaissent dans des contextes similaires. Il peut ainsi mieux prévoir la suite d’une phrase — une étape importante vers les futurs modèles de langage.
2006
Les réseaux gagnent en profondeur.
Une méthode d’entraînement couche par couche rend les réseaux profonds plus faciles à entraîner. Chaque couche peut construire une représentation plus abstraite que la précédente.
2009
Les données changent d’échelle.
ImageNet présente environ 3,2 millions d’images réparties dans 5 247 catégories. Les algorithmes disposent d’un immense terrain commun pour apprendre à reconnaître des objets et comparer leurs progrès.
2011
Les GPU accélèrent l’apprentissage.
Des réseaux neuronaux profonds entraînés sur GPU obtiennent les meilleurs résultats publiés sur plusieurs benchmarks de reconnaissance d’images. L’entraînement devient beaucoup plus rapide.
Méthodes. Données. GPU. En 2012, AlexNet réunit les trois — et les performances explosent.
2012–2016
En 2012, AlexNet remporte le défi ImageNet et fait basculer la vision artificielle vers les réseaux profonds. En 2014, les GAN introduisent une idée nouvelle : un réseau crée des images pendant qu’un autre apprend à distinguer les productions artificielles des vraies. La machine ne se contente plus de reconnaître : elle commence à générer.
2017. La machine découvre que les mots se répondent. Jusqu’ici, les modèles analysent principalement les phrases mot après mot et peuvent perdre le fil lorsque des informations importantes sont éloignées. En 2017, des chercheurs de Google présentent le Transformer. Son mécanisme d’attention permet au modèle d’observer les relations entre tous les mots d’un passage et d’identifier ceux qui comptent pour comprendre chacun d’eux. La machine ne suit plus seulement une phrase dans l’ordre : elle apprend à regarder l’ensemble pour en saisir les liens. Même éloignés, des mots peuvent désormais s’éclairer mutuellement.
2018. OpenAI présente GPT. Et si, avant de confier une tâche précise à une IA, on lui apprenait d’abord le fonctionnement du langage ? GPT commence par lire une grande quantité de textes et s’entraîne à en prédire la suite. À force de poursuivre des phrases, il apprend progressivement des régularités, des structures et des connaissances présentes dans les textes. Ce modèle général peut ensuite être adapté à différentes missions, comme répondre à des questions ou analyser un document. Une nouvelle approche apparaît : apprendre largement d’abord, puis se spécialiser.
2018. BERT apprend à regarder avant et après chaque mot. Google présente BERT, un modèle conçu pour mieux saisir le contexte du langage. Pendant son entraînement, certains mots sont volontairement cachés : pour les retrouver, BERT observe simultanément ce qui se trouve avant et après eux. Dans « Il s’assoit sur la ___ et regarde la rivière », les mots qui entourent l’espace permettent par exemple d’en déduire le sens. Au lieu de comprendre un mot isolément, la machine apprend à l’interpréter à partir de toute la phrase qui l’entoure.
2019. Transformer‑XL apprend à garder le fil. Lorsque les textes deviennent trop longs, les premiers Transformers doivent les découper en plusieurs passages et risquent de perdre une partie de ce qui précède. Au début de 2019, des chercheurs de Google et de l’université Carnegie Mellon présentent Transformer‑XL. Le modèle conserve certaines informations d’un passage pour les réutiliser dans le suivant. Ce qui vient d’être lu peut ainsi continuer d’éclairer ce qui arrive ensuite. Le contexte dépasse les limites d’un seul passage : la machine commence à suivre une histoire sur une plus longue distance.
2019. OpenAI présente GPT‑2. Un an après GPT, OpenAI dévoile un modèle beaucoup plus grand, entraîné sur des millions de documents issus du Web avec toujours la même mission : prédire la suite d’un texte. Mais en changeant simplement son début, GPT‑2 peut poursuivre un article ou une histoire sur plusieurs paragraphes cohérents, et même répondre à certaines questions. Plus surprenant encore, certaines capacités apparaissent sans entraînement spécifique pour chaque tâche, comme répondre à des questions ou traduire. En apprenant essentiellement à continuer des textes, le modèle commence à révéler des compétences plus générales.
2019. Google présente T5. À la fin de l’année, des chercheurs de Google présentent le Text-to-Text Transfer Transformer. Jusqu’ici, traduire, résumer ou répondre à une question sont souvent traités comme des problèmes différents. T5 les ramène à une même logique : du texte entre, du texte ressort. « Traduire en anglais : Bonjour » produit « Hello » ; un article peut devenir un résumé ; une question, une réponse. Des tâches autrefois séparées partagent désormais une même architecture. Avec T5, de nombreuses missions commencent à pouvoir être exprimées dans un langage commun.
2020–2022
En 2020, GPT‑3 montre qu’un même modèle peut accomplir des tâches très différentes à partir d’une simple consigne et de quelques exemples. En 2021, le langage commence à dépasser les mots : DALL·E transforme une description en image, tandis que Codex traduit une intention en code. En 2022, les retours humains aident les modèles à mieux suivre nos demandes, pendant que DALL·E 2 et Stable Diffusion repoussent les limites de la génération d’images. Puis, le 30 novembre, ChatGPT met cette nouvelle manière d’utiliser l’IA à la portée du grand public. Pour demander, expliquer, corriger, créer ou apprendre, plus besoin de maîtriser le langage de la machine : il suffit désormais de lui parler dans le nôtre.
En mars 2023, GPT‑4 franchit une nouvelle frontière : il peut comprendre du texte, mais aussi des images. Quelques mois plus tard, ChatGPT accueille à son tour la vision et la voix. Grâce à l’appel de fonctions, les modèles commencent également à utiliser des outils et des API, une étape décisive vers les futurs agents. En mai 2024, GPT‑4o réunit texte, vision et audio dans un même modèle. L’échange avec l’IA devient plus direct : elle peut voir, écouter et répondre à la voix presque instantanément.
En décembre 2023, Google présente Gemini 1.0, pensé dès l’origine pour comprendre plusieurs formes d’information : texte, code, image, audio et vidéo. En février 2024, Gemini 1.5 Pro repousse une autre limite : la quantité d’informations que l’IA peut considérer en une seule fois. Sa fenêtre de contexte atteint en préversion un million de tokens, suffisamment pour parcourir notamment une heure de vidéo ou onze heures d’audio dans une même requête. L’IA ne comprend plus seulement davantage de formats : elle peut désormais les analyser sur une tout autre échelle.
2025 à 2026
2025. De janvier à février. L’IA reçoit une mission. OpenAI présente Operator, un agent capable d’agir dans un navigateur presque comme une personne : observer une page, cliquer, saisir du texte ou remplir un formulaire. Avec Deep Research, l’IA peut aussi parcourir de nombreuses sources, ouvrir des documents et réorienter ses recherches avant de produire un rapport cité. Un nouveau cap est franchi : l’utilisateur ne demande plus seulement une réponse. Il confie un objectif composé de plusieurs étapes et peut suivre sa réalisation. Les actions sensibles, elles, restent sous son contrôle.
2025. De février à mai. Les agents entrent dans le travail réel. Avec Claude Code et Codex, cette nouvelle logique gagne le développement informatique. Une consigne comme « corrige ce problème » ne produit plus seulement du code à copier : l’agent peut explorer un projet entier, retrouver l’origine d’une erreur, modifier les fichiers, lancer les tests puis recommencer si nécessaire. Codex peut même mener plusieurs missions dans des espaces séparés. Le rôle du développeur peut alors évoluer : il ne réalise plus nécessairement chaque étape lui-même, mais examine le travail accompli et décide des modifications à conserver.
2025. En juillet. Recherche et action fusionnent. ChatGPT agent rassemble des capacités jusque-là séparées. Au cours d’une même mission, il peut rechercher des informations, consulter des fichiers, analyser des données, exécuter du code puis agir dans un navigateur. Des connexions sécurisées lui permettent également d’accéder, avec autorisation, à des outils professionnels. L’IA ne se contente plus d’utiliser une capacité à la fois : elle peut déterminer l’outil dont elle a besoin, passer de l’un à l’autre et poursuivre son objectif sur plusieurs étapes. L’utilisateur reste aux commandes et valide les actions importantes.
2026. En février. L’utilisateur supervise plusieurs agents. Avec l’application Codex, plusieurs agents peuvent désormais travailler en parallèle sur des missions distinctes. Pendant que l’un recherche l’origine d’un problème, un autre développe une fonctionnalité et un troisième vérifie le résultat. Leurs environnements restent séparés pour éviter les conflits, puis l’utilisateur examine les changements. En entreprise, des plateformes comme Frontier prolongent cette logique en donnant aux agents un contexte métier, des outils autorisés, une identité et des permissions précises. Un nouveau modèle de travail commence à apparaître : l’humain fixe l’objectif, les agents exécutent en parallèle, et la décision finale lui appartient.
Après 2026
L’intelligence artificielle a appris à reconnaître, à comprendre, à créer, à raisonner et désormais à agir. Mais les avancées qui ont marqué ces dernières années pourraient bientôt sembler modestes face à celles qui nous attendent.Demain, l’IA ne vivra plus seulement derrière nos écrans. Elle accompagnera la science, la médecine, l’éducation, l’industrie et la création. Elle explorera avec nous des problèmes jusqu’ici trop complexes, accélérera des découvertes qui demandaient autrefois des années et donnera à chacun des capacités autrefois réservées à quelques-uns.Nous avons raconté ici l’histoire de l’intelligence artificielle. La suite est déjà en train de s’écrire.
