Les idées fondatrices de l’apprentissage profond, notamment les réseaux de neurones à plusieurs couches, existaient déjà, sous une forme ou une autre, dès les années 1980. Pourtant, il aura fallu attendre le début des années 2010 pour que ces techniques produisent des résultats spectaculaires. La raison tient en grande partie à un composant matériel inattendu : le processeur graphique, ou GPU.
Un matériel conçu pour les jeux vidéo, détourné pour l’IA
Les GPU ont été initialement développés pour afficher rapidement des images en 3D dans les jeux vidéo, une tâche qui nécessite d’effectuer un très grand nombre de calculs simples en parallèle. Or, entraîner un réseau de neurones repose précisément sur ce type de calcul massivement parallèle : multiplier et additionner d’immenses matrices de nombres. Des chercheurs ont eu l’idée, à la fin des années 2000, de détourner ces processeurs graphiques pour entraîner des réseaux de neurones, avec des gains de vitesse spectaculaires par rapport aux processeurs classiques.
Une course à la puissance de calcul
Cette bascule matérielle a permis d’entraîner des modèles bien plus grands, sur des volumes de données bien plus importants, ouvrant la voie aux avancées en reconnaissance d’image puis, plus récemment, aux grands modèles de langage capables de tenir une conversation d’une fluidité inédite. La disponibilité de cette puissance de calcul est devenue un enjeu stratégique et économique majeur pour les entreprises et les États qui investissent dans l’intelligence artificielle.
Sans cette rencontre inattendue entre le jeu vidéo et la recherche en IA, les progrès qui rapprochent aujourd’hui certains systèmes d’une réussite crédible au test de Turing auraient sans doute pris encore plusieurs décennies.
Comprendre l'intelligence artificielle, un repère à la fois
Qu'il s'agisse d'histoire, d'éthique, d'apprentissage automatique ou de linguistique computationnelle, chaque mécanisme éclaire un peu mieux ce que les systèmes actuels savent réellement faire. Comprendre ces bases permet de suivre l'actualité de l'IA avec plus de discernement.
Pour aller plus loin
- Comparer les capacités réelles de différents systèmes conversationnels
- Vérifier la source d'une affirmation avant de la reprendre à son compte
- Suivre l'évolution réelle des systèmes d'IA, pas seulement leurs annonces
- Partager ces repères avec vos proches pour nourrir un débat mieux informé
