L'IA est, par définition, tout ce que l'informatique n'a pas encore réussi à automatiser. Le terme Intelligence Artificielle n’a jamais eu un sens unique. C’est un caméléon qui mute au gré des ruptures technologiques, bien plus que par une progression linéaire de “l’intelligence”.
Petit voyage dans le temps pour comprendre où nous en sommes aujourd’hui :
Années 1950 L’ambition cognitive Tout commence avec Alan Turing et la conférence de Dartmouth. L’IA est alors une quête théorique : peut-on simuler le raisonnement humain ?
Années 1970 80 L’ère des systèmes experts L’IA devient une bibliothèque de règles métier. On code le savoir (MYCIN, XCON). C’est rigide, mais révolutionnaire pour le diagnostic médical ou la configuration industrielle.
Années 1990 2000 Statistiques et data mining L’IA se fait discrète mais efficace : scoring bancaire, détection de fraude, aide à la décision. On ne simule plus le cerveau, on analyse des motifs (patterns).
Années 2000 2010 Machine learning appliqué Les modèles apprennent désormais à partir des données à plus grande échelle. Recommandation, fraude, optimisation : l’IA s’industrialise, sans être cognitive.
Années 2010 2020 Deep learning et perception Vision par ordinateur, reconnaissance vocale, traduction automatique. Grâce au big data, au cloud et à l’usage massif des GPU pour l’apprentissage profond, l’IA apprend à voir et à entendre (Siri, Google Voice).
2020 2022 Le moteur de raisonnement généraliste L’arrivée des Transformers (BERT, GPT-3, ChatGPT). L’IA devient conversationnelle, capable de synthèse, de traduction et d’assistance intellectuelle. C’est l’ère des copilots.
Depuis 2023 L’IA agentique (Agentic AI) Nouveau changement de paradigme. On ne “chatte” plus avec une IA : on déploie des systèmes capables d’agir, d’orchestrer des workflows et d’exécuter des actions (AutoGPT, agents DevOps, agents IT).
Point clé pour les DSI Dans les architectures agentiques, l’intelligence reste portée par le modèle (LLM). L’agent, lui, relève avant tout de l’ingénierie logicielle, du contrôle et de la gouvernance. L’enjeu n’est plus de “faire de l’IA”, mais de définir : 1 Quel type d’IA est réellement mobilisé ? 2 Quel niveau d’autonomie délègue-t-on au SI, notamment sur des processus critiques ?
Et vous ? Comment encadrez-vous ces niveaux d’autonomie dans vos environnements IT ? Sommes-nous prêts à passer massivement du “Copilote” à des systèmes agentiques autonomes ? Preneur de vos avis et retours d’expérience (REX) en commentaires.