L'intelligence artificielle en 2025 : ce que c'est vraiment

La question de Turing

En 1950, le mathématicien britannique Alan Turing publie un article qui va changer l'histoire de la pensée humaine. Son titre est sobre : Computing Machinery and Intelligence. Sa question est vertigineuse : « Les machines peuvent-elles penser ? »

PHOTO: alan-turing-portrait-historique

Turing ne répond pas directement. Il propose plutôt un test : si un humain, en conversant par écrit avec une machine, ne peut pas distinguer la machine d'un autre humain, alors on peut considérer que la machine « pense » — ou du moins, qu'elle en donne une imitation convaincante.

Soixante-quinze ans plus tard, nous avons des machines qui passent une version de ce test. Mais « penser » ? C'est une tout autre histoire.

💡 Clarification essentielle : quand on parle d'intelligence artificielle aujourd'hui, on ne parle PAS de conscience, de sentiments ou de compréhension. On parle de reconnaissance de patterns à grande échelle et de prédiction statistique. C'est puissant. Mais ce n'est pas de la pensée.

Une brève histoire de l'IA

Pour comprendre où nous en sommes, il faut savoir d'où nous venons. L'histoire de l'IA n'est pas une ligne droite — c'est une succession de percées et de désillusions.

Les grandes dates

📊 KPI : chronologie de l'IA

• 1950 : Turing pose la question fondatrice
• 1956 : Conférence de Dartmouth — le terme « intelligence artificielle » est inventé
• 1966-1974 : Premier « hiver de l'IA » — les promesses ne se concrétisent pas
• 1980s : Systèmes experts — des règles codées à la main
• 1987-1993 : Deuxième hiver — les systèmes experts montrent leurs limites
• 1997 : Deep Blue (IBM) bat Kasparov aux échecs
• 2012 : AlexNet révolutionne la reconnaissance d'images (deep learning)
• 2017 : Google publie « Attention is All You Need » — naissance des Transformers
• 2020 : GPT-3 montre que le langage peut être « compris » statistiquement
• 2022 : ChatGPT — l'IA grand public, 100 millions d'utilisateurs en 2 mois
• 2024 : European AI Act — première régulation mondiale

Chaque percée a généré un enthousiasme démesuré, suivi d'une déception quand les limites sont apparues. Aujourd'hui, nous sommes dans une phase d'enthousiasme massif. Les limites viendront — elles viennent toujours.

Ce que l'IA est réellement

Derrière le mot « intelligence artificielle », il y a un ensemble de techniques mathématiques et informatiques. Pas de magie. Pas de conscience. Des maths.

PHOTO: reseau-neurones-illustration

Apprentissage automatique (Machine Learning)

Le principe : au lieu de programmer des règles explicites (« si la température dépasse 25°C, allume la climatisation »), on montre des exemples à la machine et elle trouve elle-même les patterns.

Donnez à un algorithme 10 millions de photos de chats et de chiens, avec l'étiquette correspondante, et il apprendra à distinguer les deux — sans qu'on lui ait jamais expliqué ce qu'est un chat.

Apprentissage profond (Deep Learning)

Le deep learning utilise des réseaux de neurones artificiels — des couches successives de calculs qui transforment progressivement les données brutes en abstractions de plus en plus fines. Le mot « profond » fait référence au nombre de couches.

C'est la technologie derrière la reconnaissance d'images, la traduction automatique, la reconnaissance vocale et les IA génératives.

Transformers et LLMs

L'architecture Transformer, publiée par Google en 2017, a tout changé. Elle permet de traiter des séquences de données (texte, code, musique) en parallèle, en « faisant attention » aux relations entre les éléments. C'est le T de GPT (Generative Pre-trained Transformer).

Les LLMs (Large Language Models) sont des Transformers entraînés sur des quantités colossales de texte. Ils prédisent le mot suivant le plus probable — c'est tout. Mais à force de prédire des mots, ils développent des capacités émergentes surprenantes : raisonnement, traduction, programmation, synthèse.

⚡ Le point crucial : un LLM ne « comprend » pas le sens des mots. Il manipule des probabilités statistiques. La différence est fondamentale, même si le résultat peut sembler identique.

Ce que l'IA peut faire aujourd'hui

La liste est impressionnante — et elle s'allonge chaque mois :

• Traduire des textes dans des dizaines de langues avec une qualité proche de l'humain
• Écrire des articles, des e-mails, du code, des poèmes
• Analyser des images médicales et détecter des tumeurs
• Prédire la météo, la production solaire, les pannes d'équipement
• Recommander des produits, des films, des traitements médicaux
• Coder des logiciels complets à partir d'instructions en langage naturel
• Converser de manière naturelle et contextuelle
• Résumer des documents de centaines de pages en quelques lignes
• Générer des images, de la musique, de la vidéo à partir de texte

📊 KPI : capacités IA en 2025

• Traduction automatique : 90-95 % de la qualité humaine
• Diagnostic médical par image : supérieur aux radiologues sur certaines pathologies
• Génération de code : ~50 % des développeurs utilisent un assistant IA
• Prévision météo : Google DeepMind rivalise avec les modèles météo européens
• Reconnaissance faciale : 99,9 % de précision (avec les biais que cela implique)

PHOTO: applications-ia-quotidien

Ce que l'IA ne peut PAS faire

Et c'est ici que le fantasme se heurte à la réalité.

L'IA ne comprend pas

Un LLM manipule des tokens (morceaux de mots) et des probabilités. Il ne « comprend » pas le sens de ce qu'il écrit — il génère la séquence la plus probable. Quand ChatGPT écrit « l'eau bout à 100°C », il ne sait pas ce qu'est l'eau, ce qu'est la chaleur, ni ce que signifie « bouillir ».

L'IA n'est pas créative

L'IA recombine ce qu'elle a vu. Elle peut produire des résultats surprenants — mais ce n'est pas de la créativité au sens humain. Il n'y a pas d'intention, pas de vision, pas de vécu derrière la création.

L'IA ne fait pas de jugements éthiques

L'IA optimise une fonction mathématique. Elle ne distingue pas le bien du mal, le juste de l'injuste. Si on lui demande d'optimiser un processus de recrutement et que les données historiques sont biaisées, elle reproduira — et amplifiera — ces biais.

L'IA hallucine

Les LLMs inventent régulièrement des faits, des citations, des références qui n'existent pas. Ils le font avec une assurance totale, ce qui les rend potentiellement dangereux comme source d'information non vérifiée.

💡 La règle d'or : ne faites jamais confiance à une IA sans vérifier. Utilisez-la comme un assistant, pas comme un oracle.

IA étroite vs IA générale

Il est crucial de distinguer deux concepts souvent confondus :

IA étroite (Narrow AI) — ce que nous avons

Toute l'IA actuelle est étroite : chaque système excelle dans une tâche spécifique. GPT est bon en texte. DALL-E est bon en images. AlphaFold est bon en protéines. Aucun ne peut faire tout à la fois, et aucun ne « comprend » ce qu'il fait.

IA générale (AGI) — ce que nous n'avons pas

L'IA générale serait une intelligence capable d'apprendre n'importe quelle tâche, de raisonner de manière abstraite, de s'adapter à des situations inédites — comme un humain. Nous n'en sommes nulle part proches. Certains chercheurs pensent que c'est une question de décennies. D'autres pensent que c'est impossible avec les approches actuelles.

📊 KPI : IA étroite vs IA générale

• IA étroite : existe — performante dans un domaine spécifique
• IA générale : n'existe pas — peut-être jamais avec les architectures actuelles
• IA « superintelligente » : science-fiction — aucun chemin technique connu

La Belgique dans l'IA : petite mais pointue

La Belgique n'est pas un géant de l'IA, mais elle abrite des centres de recherche de renommée mondiale :

IMEC (Louvain)

Le plus grand centre de recherche en nanoélectronique au monde. Ses travaux sur les puces neuromorphiques (qui imitent le cerveau) sont à la pointe mondiale.

VUB AI Lab (Bruxelles)

Le laboratoire d'IA de la Vrije Universiteit Brussel, fondé en 1983, est l'un des plus anciens d'Europe. Spécialisé dans l'IA symbolique et les systèmes multi-agents.

KU Leuven DTAI

Le département Declarative Languages and Artificial Intelligence de la KU Leuven est reconnu mondialement en apprentissage automatique et raisonnement automatisé.

AI4Belgium

La coalition AI4Belgium rassemble acteurs publics, privés et académiques pour positionner la Belgique dans l'économie de l'IA. Son rapport fondateur a défini une stratégie nationale.

🏠 Ce que ça signifie pour ORKU : nous ne sommes pas seuls. La Belgique a les compétences, les institutions et l'ambition pour être un acteur pertinent de la révolution IA — en particulier dans les domaines où nous excellons déjà : l'énergie, les matériaux, les semi-conducteurs.

Le cadre européen : l'AI Act

L'Union européenne a adopté en 2024 le European AI Act — la première régulation complète de l'intelligence artificielle au monde. Le principe : classer les systèmes d'IA par niveau de risque.

PHOTO: parlement-europeen-bruxelles

• Risque inacceptable : scoring social, manipulation subliminale → interdit
• Haut risque : IA médicale, recrutement, justice → régulé strictement
• Risque limité : chatbots → obligations de transparence
• Risque minimal : filtres photo, jeux → pas de régulation spécifique

C'est une approche mesurée : ni interdire l'IA (ce serait irréaliste), ni la laisser faire n'importe quoi (ce serait irresponsable). L'Europe choisit la voie de la régulation proportionnée.

Ce qu'ORKU en retient

L'IA est un outil. Comme l'électricité, le moteur à explosion ou Internet avant elle, c'est une technologie transformatrice — qui peut être utilisée pour le meilleur ou pour le pire.

💡 Notre position : nous utilisons l'IA pour ce qu'elle fait de mieux — analyser des données, optimiser des systèmes, amplifier l'expertise humaine. Nous ne la mystifions pas, nous ne la diabolisons pas. Nous l'intégrons dans notre écosystème de travail, comme un outil parmi d'autres, au service de la transition énergétique.

La vraie intelligence, c'est de savoir quand utiliser l'IA — et quand s'en passer.

En résumé

L'intelligence artificielle en 2025, c'est de la reconnaissance de patterns et de la prédiction statistique à très grande échelle. Pas de conscience, pas de compréhension, pas de créativité au sens humain. Mais une puissance de calcul qui, bien orientée, peut accélérer considérablement la transition énergétique. La Belgique a les compétences pour y contribuer. L'Europe a le cadre pour la réguler. Et nous avons le bon sens pour l'utiliser à sa juste place.