C'est quoi l'IA (intelligence artificielle) ?

La réponse en trois lignes

Expliqué à un enfant de 5 ans

Imaginez un enfant qui n'a jamais vu de chien.

Vous en croisez un dans la rue : « ça, c'est un chien ». Plus loin, un autre, minuscule et blanc : « ça aussi ». Puis un troisième, énorme et noir : « ça aussi ».

Vous ne lui avez jamais expliqué ce qu'est un chien. Vous ne lui avez donné aucune règle, pas de « quatre pattes, une queue, ça aboie ». Pourtant, au vingtième, il tend le doigt vers un chien que vous n'avez jamais croisé ensemble et il dit : « chien ».

L'IA fait exactement ça. On lui montre des exemples, elle finit par reconnaître.

Deux différences, quand même. Il lui en faut des millions, là où l'enfant s'est contenté de vingt. Et elle, elle ne saura jamais ce qu'est un chien.

Ce que ça veut dire, un peu plus précisément

Pendant cinquante ans, faire faire quelque chose à un ordinateur voulait dire lui écrire des règles. Toutes les règles. Une par une. « Si le message contient le mot facture, le classer dans Comptabilité. » Ça marche très bien — tant que vous avez pensé à tous les cas.

Le problème, c'est que la vraie vie a toujours un cas de plus. Le client qui écrit « votre note » au lieu de « facture ». Celui qui envoie une photo du papier. Celui qui laisse un message vocal.

L'IA renverse la façon de faire. Au lieu d'écrire les règles, on montre des exemples déjà traités, et le programme en déduit les régularités tout seul. C'est ce qu'on appelle apprendre, et le mot est un peu généreux : la machine ne fait que repérer ce qui revient souvent ensemble.

C'est important de le garder en tête, parce que ça explique ses deux comportements les plus déroutants. Elle est excellente sur ce qui ressemble à ce qu'elle a déjà vu. Et elle peut se tromper avec un aplomb total sur ce qui n'y ressemble pas — sans jamais vous prévenir qu'elle sort de son terrain.

Pourquoi tout le monde en parle depuis 2023

L'idée n'est pas neuve. Des chercheurs travaillent dessus depuis les années 1950, et pendant longtemps ça n'a pas très bien marché.

Ce qui a changé, ce n'est pas une découverte unique, c'est que trois choses se sont trouvées réunies en même temps.

D'abord, des exemples en quantité folle. Trente ans de textes publiés sur internet, des milliards de pages. Il a soudain été possible de montrer à une machine plus de phrases qu'un humain ne peut en lire en mille vies.

Ensuite, des machines assez puissantes pour digérer tout ça. Ce qui aurait demandé des siècles de calcul en 1990 demande aujourd'hui quelques semaines.

Enfin, une meilleure façon de faire apprendre. Les chercheurs ont trouvé une méthode qui permet à la machine de tenir compte du contexte entier d'une phrase au lieu de la lire mot après mot. C'est la trouvaille qui a tout débloqué, et elle date de 2017.

Le résultat est arrivé chez le grand public fin 2022, quand ces outils sont devenus accessibles depuis un simple site web. Pas parce que la technologie venait de naître — parce qu'elle venait de devenir utilisable sans être chercheur.

C'est pour ça que la sensation de « tout est arrivé d'un coup » est trompeuse. Ce qui est arrivé d'un coup, c'est la porte d'entrée.

Ce qu'elle ne sait pas faire

Un outil se juge autant à ses limites qu'à ses talents, et celles-ci sont faciles à retenir.

Elle ne sait pas ce qui est vrai. Elle sait ce qui est fréquent. Quand une information est répétée partout, elle la restitue bien. Quand elle est rare, récente ou propre à votre métier, la machine produit ce qui ressemble à une bonne réponse. C'est le fameux défaut qu'on appelle une hallucination, et il ne vient pas d'un bug : il vient de la façon même dont elle fonctionne.

Elle ne sait pas qu'elle se trompe. Une réponse fausse sort avec exactement le même ton assuré qu'une réponse juste. Aucun signal, aucun doute affiché. C'est ce qui rend la relecture humaine indispensable partout où l'erreur coûterait cher.

Elle ne connaît pas votre entreprise. Vos tarifs, vos délais, le client qu'il ne faut pas relancer le vendredi : rien de tout ça n'est dans ce qu'elle a appris. Il faut le lui fournir, explicitement. Une IA branchée sur vos propres documents et une IA générique sont deux outils très différents.

Elle ne décide pas. Elle propose. La décision reste un acte humain, et c'est très bien ainsi — c'est aussi ce qui protège l'entreprise le jour où quelque chose tourne mal.

Concrètement, chez vous

L'IA n'arrive pas dans une entreprise sous la forme d'un robot. Elle arrive par des tâches précises, souvent les plus ennuyeuses.

Les messages qui s'entassent. Avant : quelqu'un ouvre la boîte le matin, lit quarante messages, repère les trois urgents, recopie les commandes dans un tableau. Une heure, tous les jours, et il faut recommencer le lendemain. Après : les messages arrivent déjà triés, les urgents en haut, les commandes déjà inscrites dans le tableau. La personne relit et valide. Dix minutes.

Les messages vocaux. Avant : on écoute trois minutes pour comprendre qu'il s'agissait d'un report de rendez-vous. Après : on lit le texte en dix secondes, et on ne réécoute que si quelque chose cloche.

Les relances qu'on oublie. Avant : les factures impayées se rappellent à vous quand la trésorerie serre. Après : chaque échéance dépassée déclenche une relance écrite, prête à partir, qu'on envoie d'un clic.

Vous remarquerez le point commun : dans les trois cas, un humain garde la décision. L'IA prépare, range, propose. Elle ne signe pas, elle n'engage pas l'entreprise, elle n'envoie rien toute seule si vous ne l'avez pas décidé.

C'est un choix, pas une limite technique. C'est aussi ce qui sépare une automatisation dont on est content d'une automatisation qu'on finit par débrancher.

Attention à ce qu'on vous vend sous ce mot

« IA » est devenu une étiquette commerciale. On la colle sur à peu près tout, y compris sur des programmes parfaitement ordinaires qui existaient déjà il y a vingt ans.

La question qui démasque tout, et vous pouvez la poser sans rien connaître :

« Qu'est-ce qui apprend, exactement ? »

Si votre interlocuteur peut vous dire à partir de quoi le système apprend — vos anciens messages, vos factures passées, un modèle entraîné par quelqu'un d'autre — la conversation est saine. S'il enchaîne sur autre chose, ou s'il répond par des mots comme intelligent, avancé, propriétaire, alors il s'agit très probablement d'un programme classique.

Et voilà le plus important : ce n'est pas grave. Un programme classique est très souvent la bonne réponse. Il est moins cher, plus rapide, plus prévisible, et il tombe moins en panne. Beaucoup de problèmes se règlent parfaitement avec trois règles bien écrites.

Ce qui n'est pas honnête, c'est de le facturer au prix de l'IA.

Le deuxième piège est l'inverse du premier : promettre que l'IA va « tout faire ». Elle reconnaît, elle range, elle rédige. Elle ne décide pas à votre place, elle ne connaît pas votre métier, et elle ne sait pas qu'un client est fâché depuis trois mois si personne ne le lui a jamais écrit quelque part.

Le troisième, plus discret : « nos données sont sécurisées ». Ce n'est pas une réponse. Les vraies questions sont : où partent mes données, qui peut les lire, est-ce qu'elles servent à entraîner un modèle qui profitera à d'autres, et qu'est-ce qui reste chez moi si j'arrête demain ?