IA générative : de l’apprentissage à la création
Avec les années 2010, une nouvelle ère se profile dans le champ de l’intelligence artificielle : celle de la création générative. Après avoir appris à “raisonner” par règles (symbolique) et à s’adapter par l’expérience (connexionniste), de nouvelles générations de systèmes IA voient le jour, et sont désormais utilisées afin de produire un contenu nouveau : texte, images, son, code, et parfois même des idées.
L’ère de l’IA générative (années 2010 à aujourd’hui) : l’intelligence artificielle par la modélisation du monde
Cette évolution repose sur les modèles connexionnistes, exploités au regard d’un constat simple : si un modèle a vu suffisamment d’exemples du monde, il peut en recomposer une version plausible.
Ainsi, plutôt que d’analyser pour déduire, ou d’imiter pour reconnaître, le modèle apprend à anticiper, prédire le mot, le pixel, la note ou la forme qui vient ensuite.
Ces systèmes, appelés modèles génératifs reposent comme pour leurs ancêtres connexionnistes sur l’entraînement préalable d’un réseau de neurones sur d’importantes quantités de données.
En effet, si entre les années 80 et 90, la recherche sur l’intelligence artificielle se trouve laissée de côté (l’“hiver de l’IA”), les tentatives successives en la matière s’étant révélées infructueuses à faire aboutir un modèle égalant l’intelligence humaine, un évènement majeur va remettre au premier plan les recherches sur l’IA : l’arrivée du réseau internet. Et avec, la disponibilité d’une matière première indispensable pour les IA : les données.
En observant des millions de textes, d’images ou de sons, les modèles d’IA connexionnistes, composés à présent de davantage de couches de neurones que leurs versions précédentes grâce aux avancées techniques et technologiques (réseaux de neurones dits “profonds”), soit à présent capables d’apprendre des régularités statistiques qui structurent nos productions humaines : le ton d’une phrase, la composition d’un tableau, ou la logique d’un programme informatique.
L’IA générative ne comprend pas le monde comme un humain : elle le modélise, et apprend en ce sens à naviguer dans un espace de probabilité où chaque élément représente une possibilité réaliste. Cette capacité à créer du “nouveau plausible” la distingue de ses ancêtres symboliques et connexionnistes des précédentes générations.
Entre créativité et responsabilité
Cette capacité à générer du contenu ouvre un champ immense : assister la création artistique, accélérer la recherche, démocratiser la production de connaissances.
Mais elle interroge aussi : qui est l’auteur ? D’où vient la matière première ? Quelle part d’humain demeure dans le processus ?
Car si ces modèles créent, c’est toujours à partir de données humaines, et leur puissance vient de notre production collective, par nos écrits, images, sons, qu’ils recomposent pour mieux la refléter.
L’IA générative est donc un miroir : parfois fidèle, parfois déformant, mais toujours révélateur de nos propres schémas.
Une intelligence de la continuité
Plutôt qu’une rupture, l’IA générative marque l’aboutissement d’un long continuum : des règles à l’expérience, de l’analyse à la création.
Là où l’IA symbolique cherchait à formaliser l’intelligence et l’IA connexionniste à l’émuler, l’IA générative tente désormais de la prolonger avec une approche statistique, basée sur les connaissances humaines codées. Dans cette “imagination statistique”, c’est notre propre créativité qui trouve un nouvel écho, mais qui évoque alors un nouveau dilemme concernant la production : quelle est sa valeur ? Quelles sont ses limites ? Mais aussi et surtout, quelle est sa fiabilité ?
