Les IA se sont rapidement démocratisées via des applications comme la reconnaissance vocale, grâce notamment aux assistants virtuels tels que Google Assistant, Siri ou encore Alexa, avant l’avènement des modèles génératifs comme ChatGPT qui marquent une transition majeure vers de nouveaux usages et de nouvelles opportunités dans notre quotidien.
Qu’est-ce que l’intelligence artificielle ?
Tout d’abord, l’intelligence artificielle appartient au domaine de l’informatique. Elle permet de créer des modèles capables de simuler certains aspects de l’intelligence humaine et d’effectuer des tâches ou des actions telles que la reconnaissance, la résolution des problèmes, la création ou encore la prise de décisions.
Les principaux objectifs de l’intelligence artificielle sont :
- Analyser des données massives,
- Automatiser des tâches complexes,
- Comprendre le langage humain et interagir,
- Offrir des expériences personnalisées, notamment dans le marketing digital,
- Analyser des situations, détecter des anomalies et résoudre des problèmes,
- Aider à la prise de décision,
- et bien d’autres …
«L’intelligence artificielle est probablement la chose la plus importante sur laquelle l’humanité travaille. Elle est plus profonde que l’électricité ou le feu.»
Sundar Pichai – PDG de Google
Comment fonctionne une intelligence artificielle ?
Le fonctionnement de l’intelligence artificielle repose sur des concepts algorithmiques, mathématiques et informatiques qui sont conditionnés à plusieurs étapes :
- La collecte de données en provenance de diverses sources qui vont servir à alimenter l’IA en base de connaissances.
- La création des modèles qui vont varier en fonction des actions et des tâches à accomplir, et qui seront basés sur plusieurs typologies d’algorithmes :
– Réseaux de neurones artificiels qui s’inspirent du cerveau humain et qui sont utilisés pour des tâches complexes comme la reconnaissance d’images, la traduction automatique ou encore la génération de contenu.
– Traitement du langage naturel (NLP, pour Natural Language Processing) qui se concentre sur les interactions entre les IA et les humains, afin de permettre aux IA de comprendre un contexte ou une question, et d’y répondre. Chatbots, assistants virtuels, outils de traduction ou encore les moteurs de recherche tels que Google et Bing utilisent le NLP pour améliorer les interactions entre les humains et les machines.
– Algorithmes statistiques qui vont analyser et modéliser des données dans le but de fournir des prévisions basées sur des statistiques. Ils sont utilisés dans l’apprentissage automatique, la recherche médicale, l’économie, et bien d’autres domaines nécessitant des modélisations prévisionnelles. - L’entraînement et l’apprentissage automatique (appelé aussi le Machine Learning) qui consiste à entraîner l’IA à identifier les données, les classifier et appliquer des règles qui peuvent être supervisées ou non, dans une logique d’apprentissage continu.
- La phase de test qui permet d’ajuster et de valider les paramètres de l’IA. Lors de cette phase, l’IA est soumise à des tests poussés afin d’analyser son comportement face à des données connues ou non, avant son déploiement.
- La phase de boucles de rétroaction et d’améliorations qui consiste à affiner le modèle de l’IA, collecter les feedbacks lors de son utilisation, puis de le mettre à jour en l’alimentant de correctifs et de nouvelles données, dans une logique d’amélioration continue.
Comment sont classifiées les IA ?
Les intelligences artificielles sont classifiées en plusieurs types selon leurs capacités, leur fonctionnement, leur méthodologie, leurs utilisations et leur niveau de sophistication, notamment dans leurs capacités à imiter l’intelligence humaine. En résumé et de manière généralisée, voici les différents types d’IA :
- L’ IA faible est spécialisée dans une tâche et une action précise,
- L’IA forte est capable de comprendre et d’interagir comme un humain,
- L’IA générale est polyvalente et capable de réaliser tout type de tâche,
- L’IA spécialisée sur un domaine (ex. médecine, finance, etc.),
- L’IA symbolique est basée sur des règles et des logiques formelles,
- L’IA connexionniste utilise les réseaux de neurones (deep learning),
- L’IA hybride combine les caractéristiques des IA symboliques et connexionnistes,
- L’IA réactive réagit à des stimulis sans mémoire,
- L’IA à mémoire limitée utilise des données récentes pour apprendre,
- L’IA autonome apprend et agit sans supervision humaine,
- L’IA éthique est conçue pour respecter des normes morales.
Quelles que soient les IA, elles cumulent très régulièrement plusieurs classifications.
Prenons l’exemple de ChatGPT :
- Type d’intelligence : ChatGPT est une IA faible qui est spécialisée dans le traitement du langage naturel.
- Méthodologie : ChatGPT est une IA connexionniste car elle utilise un réseau de neurones (modèle GPT basé sur le deep learning et sur les Transformers, une architecture développée pour gérer des séquences de données, par exemple, du texte)
- Fonctionnalité : En termes de fonctionnalité, ChatGPT est une IA générative ayant la capacité de produire des contenus textuels originaux en se basant sur des données externes.
- Capacités : ChatGPT est capable de mémoriser une conversation en cours, et de s’y adapter pour personnaliser ses réponses. Elle n’utilise cependant pas une mémoire dite « permanente » ce qui la classe en tant qu’IA à mémoire limitée.
- Application : Conçue pour comprendre et interagir avec l’humain en langage naturel, elle est classifiée comme IA spécialisée (pour le moment !)
Classification des IA par niveau de sophistication
ANI – Artificial Narrow Intelligence
IA la plus répandue aujourd’hui et considérée comme une IA « étroite », aussi appelée IA Faible, l’ANI est spécialisée uniquement dans une tâche ou dans un domaine spécifique avec une totale incapacité de sortir de son champ d’application. Elle constitue la forme la plus élémentaire d’IA
Exemples :
- Systèmes de reconnaissance vocale tels que Siri, Alexa ou encore Google Assistant,
- Analyse d’images, notamment dans le secteur du médical pour détecter des cancers par exemple ou encore la fonctionnalité Lens de Google qui permet de réaliser une recherche à partir d’une image.
- Systèmes de recommandations intégrés (Netflix, Spotify, …)
AGI – Artificial General Intelligence
Appelée IA générale, elle est mesure d’exécuter un grand nombre de tâches et d’actions grâce à des capacités de compréhension et d’apprentissage élevées, comparable au cerveau humain. Une grande partie des IA génératives sont encore classées ANI, comme par exemple ChatGPT ou encore Gemini (DeepMind), avec comme objectif de se diriger vers une classification AGI, impliquant d’être en capacité d’apprendre de nouvelles tâches sans supervision, ce qui est encore hypothétique.
ASI – Artificial Super Intelligence
Objet de beaucoup de fantasmes et de craintes, cette IA n’est actuellement pas (encore) exploitée. Niveau ultime de l’intelligence artificielle, elle surpasserait l’intelligence humaine et serait en mesure d’être totalement autonome dans son processus d’apprentissage, de créativité et de prise de décisions. En clair, une IA qui surpasserait l’humain dans tous les domaines pose à la fois des risques considérables, mais aussi des défis techniques et éthiques importants … pensez donc à Skynet dans Terminator, qui pourrait être comparable à une ASI !
Classification des IA selon leur fonctionnement
- Rule-based AI ou IA Réactive: IA sans mémoire basée sur des règles définies par l’humain et qui est limitée à des scénarios prévus,
- Learning-based AI ou IA à Mémoire Limitée : IA à mémoire limitée basée sur l’apprentissage de données et qui repose essentiellement sur le machine learning et le réseaux de neurones (deep learning),
- Generative-based AI ou IA générative : IA générative capable de créer des contenus à partir des sources données utilisées pour son entraînement (ex. ChatGPT / Gemini, Mistral AI ou encore MidJourney),
- Autonomous Systems AI ou IA autonome : IA autonome capable de prendre des décisions sans l’intervention d’un humain, basés sur des systèmes d’information en temps réel, comme la voiture autonome par exemple.
Classification des IA selon leurs usages et leurs domaines d’application
- IA pour le traitement du langage naturel (NLP) tels que les Chatbots, les assistants virtuels ou encore les traducteurs automatiques,
- IA pour la vision par ordinateur qui permet de détecter et de reconnaître des situations, des images ou encore des objets,
- IA pour la robotique qui permettent de rendre les robots plus autonomes dans la réalisation des tâches et des actions, par exemple les robots domestiques tels que les aspirateurs ou encore les tondeuses,
- IA pour la médecine qui sont en mesure d’assister l’humain dans la prédiction de maladies, l’aide au diagnostic ou encore la conception de médicaments,
- IA pour la finance qui, sur la base d’algorithmes sont en mesure de détecter des fraudes ou encore de modéliser des prédictions à partir de données contextuelles.
Intelligence artificielle : quelques exemples
Au quotidien, nous utilisons un grand nombre d’IA spécialisées dans une tâche unique. Elles sont toutes classées ANI (Artificial Narrow Intelligence).
Par exemple :
| IA | Types | Applications |
| Siri (Apple) | ANI | Assistant vocal |
| Alexa (Amazon) | ANI | Assistant vocal |
| Google Assistant | ANI | Assistant vocal |
| ChatGPT | ANI | Traitement du langage naturel |
| Dall.e | ANI | Création d’images |
| Tesla Autopilot | ANI | Conduite autonome |
| Face ID (Apple) | ANI | Reconnaissance faciale |
| Netflix | ANI | Systèmes de recommandation |
| Google Translate | ANI | Traduction |
| Shazam | ANI | Reconnaissance musicale |
Si l’utilisation des IA s’est démocratisée dans la vie quotidienne, il en va de même dans l’univers professionnel, notamment dans le secteur du marketing digital.
Environ 44 % des entreprises françaises utilisent l’IA, tandis que 31 % l’intègrent dans leurs stratégies marketing.
| IA | Types | Applications |
| Google Ads (Smart Bidding) | ANI | Publicité programmatique |
| HubSpot (AI tools) | ANI | Automatisation CRM |
| Facebook (Ads AI) | ANI | Publicité ciblée |
| ChatGPT | ANI | Traitement du langage naturel |
| Canva AI | ANI | Création de contenu graphique |
| Hootsuite Insights | ANI | Analyse des réseaux sociaux |
| SEM Rush AI | ANI | SEO et marketing digital |
| Drift AI | ANI | Chatbots conversationnels |
| Salesforce Einstein | ANI | Analyse prédictive et CRM |
Intelligence Artificielle : quelles évolutions à venir ?
En devenant de plus en plus intelligents, les modèles d’IA vont accroître leurs capacités à comprendre et interagir avec les humains, offrant de nouvelles perspectives et opportunités, que ce soit dans la vie quotidienne ou dans le monde professionnel, et ce, quel que soit le domaine.
En combinant les avancées conjointes des IA génératives, les nouvelles capacités d’analyses prédictives, la montée en puissance des outils d’automatisation et l’essor des algorithmes d’apprentissage automatique, le domaine du marketing digital continuera à se transformer pour permettre aux annonceurs d’offrir des expériences ultra personnalisées à leurs utilisateurs et leurs clients.
« Si nous réussissons avec l’IA, nous débloquerons une nouvelle ère d’abondance et de progrès technologique inimaginables. »
Sam Altman – PDG d’OpenAI