Dire « l'IA » en pensant « ChatGPT »
Le raccourci fait rater des questions concrètes. Votre organisation utilise probablement de l'IA depuis des années, dans son logiciel de paie ou son antivirus, sans que personne n'ait jamais employé le mot.
Sur cette page
Comprendre les IA
IA, apprentissage automatique, LLM : qui fait quoi.
ChatGPT a rendu l'IA visible au point de l'avoir presque confisquée dans les esprits. Remettons chaque chose à sa place.
⏱ 9 min de lecture🪆 4 niveaux emboîtés📅 70 ans d'histoire
ChatGPTClaudeGeminiVibe
L'intelligence artificielle est un domaine de recherche né en 1956. L'IA générative en est une branche récente, spectaculaire, et minoritaire. Confondre les deux fait prendre de mauvaises décisions, y compris juridiques.
Promesse
À la fin de cette leçon
Vous saurez situer l'IA générative dans l'intelligence artificielle, expliquer ce qu'est l'apprentissage automatique sans une seule formule, et reconnaître les IA que vous croisez tous les jours sans les voir.
Pourquoi maintenant
La confusion a des conséquences juridiques
L'article 3 du règlement européen sur l'IA définit un système d'IA par ce qu'il produit : des prédictions, des contenus, des recommandations ou des décisions. Le contenu, c'est-à-dire le génératif, n'est qu'une de ces quatre sorties.
Une entreprise qui croit que le texte ne vise que ChatGPT oublie son logiciel de tri de candidatures, son score de risque client et son outil de maintenance prédictive. Ces systèmes-là sont dans le périmètre depuis le début.
Le règlement omnibus de juillet 2026 a modifié le calendrier et allégé l'article 4, mais il n'a pas touché à la définition d'un système d'IA. Le périmètre reste aussi large qu'avant.
Le concept central
Quatre poupées russes
L'intelligence artificielle est le domaine le plus large : faire exécuter par une machine des tâches qui demandent normalement de l'intelligence humaine. Le terme est né en 1956, lors d'une conférence d'été au Dartmouth College.
L'apprentissage automatique est la méthode devenue dominante à l'intérieur de ce domaine. Le principe tient en une phrase : au lieu d'écrire les règles à la main, on montre à la machine des milliers d'exemples et elle en tire les règles elle-même. Personne n'a jamais écrit « un chat a des moustaches ». On a montré des photos de chats.
L'apprentissage profond est une technique d'apprentissage automatique qui empile des couches de calcul, appelées réseaux de neurones par analogie avec le cerveau. L'analogie s'arrête à peu près là. C'est cette technique qui a rendu la reconnaissance d'image fiable à partir de 2012.
Les grands modèles de langage appliquent l'apprentissage profond au texte. Ce sont eux qui font tourner ChatGPT, Claude, Gemini et Vibe.
Chaque niveau est contenu dans le précédent. Tout modèle de langage relève de l'apprentissage profond, tout apprentissage profond relève de l'apprentissage automatique, et tout apprentissage automatique relève de l'IA. L'inverse est faux, et c'est exactement là que naissent les malentendus.
La bascule
-
1956, le terme naît
Pendant des décennies, faire de l'IA consiste à écrire des règles à la main : si telle condition, alors telle conclusion. Ça fonctionne pour les échecs, beaucoup moins pour reconnaître un visage.
-
Années 2000, on cesse d'écrire les règles
Les données deviennent abondantes et la puissance de calcul suit. L'apprentissage automatique prend le dessus : on montre des exemples plutôt que de décrire le monde.
-
2012, l'apprentissage profond s'impose
Il remporte le concours de reconnaissance d'image ImageNet avec une avance nette sur les méthodes classiques. La technique devient le standard.
-
2017, l'architecture Transformer
Des chercheurs de Google publient une architecture qui rend possible l'entraînement de modèles de langage à très grande échelle. C'est le socle technique des LLM actuels.
-
2022, le grand public entre en scène
ChatGPT met cette technologie entre les mains de tout le monde. En trois ans, l'IA passe du laboratoire à la conversation de bureau.
Panorama
Les IA que vous croisez sans les voir
Aucun des systèmes ci-dessous ne génère de contenu, et tous relèvent pourtant du règlement européen :
le classement de votre fil d'actualité et les suggestions de séries ; la détection de fraude sur votre carte bancaire ; le filtre qui écarte les courriels indésirables ; la reconnaissance vocale de votre téléphone ; l'aide au diagnostic sur une radiographie ; l'estimation du temps de trajet dans votre GPS.
Ces systèmes sont souvent plus fiables qu'une IA générative sur leur tâche précise, parce qu'ils ne font qu'une seule chose et qu'on sait mesurer leur taux d'erreur.
Pièges courants
Croire que le génératif est l'aboutissement
Une IA générative est polyvalente et approximative. Une IA de détection de fraude est étroite et fiable. Ce sont deux outils différents, pas deux générations du même outil.
Employer « IA » et « apprentissage automatique » comme synonymes
L'un est un domaine, l'autre une méthode parmi d'autres. Un système expert des années 1980 est de l'IA sans la moindre once d'apprentissage automatique.
Quiz de validation
Quiz de validation
4 questions. 70 % de bonnes réponses pour valider la leçon.
À retenir
Cinq points pour ancrer la leçon
Quatre niveaux emboîtés. IA, apprentissage automatique, apprentissage profond, modèles de langage. Du plus large au plus précis.
Le domaine a 70 ans, le génératif grand public en a trois. ChatGPT a rendu l'IA visible, il ne l'a pas inventée.
On ne programme plus les règles, on montre des exemples. C'est la bascule de l'apprentissage automatique, et elle explique aussi pourquoi ces systèmes héritent des biais de leurs données.
L'AI Act définit l'IA par ses sorties. Prédictions, contenus, recommandations, décisions. Le génératif n'est qu'une des quatre.
Une IA étroite bat souvent une IA générative. Sur une tâche précise et mesurable, la spécialisation l'emporte sur la polyvalence.
Mise en pratique
5 minutes pour cartographier
Listez trois logiciels que vous utilisez au travail. Pour chacun, cherchez s'il propose du classement automatique, de la suggestion, de la détection ou de la prédiction. Vous trouverez presque certainement de l'IA là où vous n'aviez jamais employé le mot.
Critère de réussite : vous avez identifié au moins une IA non générative dans votre environnement, et vous savez dire ce qu'elle produit.