Types de systèmes d'intelligence artificielle

Depuis les débuts de l'informatique, chercheurs tentent de reproduire l'intelligence humaine. Si l'Einstein en silicium reste lointain, l'IA nous a donné : reconnaissance vocale (téléphones), voitures autonomes, systèmes experts (jeux TV). L'IA a traversé plusieurs évolutions, chacune devenant partie du quotidien.

Apprentissage automatique (Machine Learning)

Débuts : puissance/stockage limités. Fondations : LISP, arbres de décision, ML. Programmes LISP analysaient échecs (mappage coups, choix optimal), modifiaient leur logique, apprenaient des erreurs → « plus intelligents » avec le temps. Ordinateurs puissants + stockage bon marché → jeux vidéo, moteurs de recherche personnalisés, e-commerce anticipatif.

Systèmes experts (Expert Systems)

Approche par faits/données (vs cycles CPU). Base de connaissances (faits/règles) + moteur d'inférence → déductions/réponses. Ingénieurs connaissances interviewent experts (médecine, auto, design...) → faits/règles lisibles par machine. Utilisés pour diagnostic/réponses. Évolution : automatisation construction base (littérature technique, crawl web).

Réseaux de neurones (Neural Networks)

Reproduire cerveau : neurones/synapses artificiels. Avec entraînement, reconnaissent patterns dans données apparemment aléatoires. Entrées : images/sons ; sorties : réponses attendues. Structure interne se réorganise → même entrée → bonne réponse. Efficaces : reconnaissance vocale, OCR (image → texte). Apps : lecture pour malvoyants, traduction vocale.

Big Data (Mégadonnées)

Analyse massive multi-ordinateurs : découvre faits/relations incompréhensibles par l'humain. Billions transactions cartes, milliards relations réseaux sociaux → corrélations statistiques → infos utiles. Banques : détection fraude, difficulté financière. Commerçants : grossesse cliente avant qu'elle ne le sache. Big Data = compréhension monde au-delà du possible humain.