Le premier hiver de l'IA : quand le hype a gelé (1974–1980)
Le rapport Lighthill, les coupes de la DARPA et le retour de bâton contre le perceptron ont privé les réseaux neuronaux et l'IA trop ambitieuse de financements, ouvrant une décennie de scepticisme.
L’expression hiver de l’IA désigne en général deux retournements. Le premier, qui s’installe au milieu des années 1970 et dure jusqu’au début des années 1980, n’est pas une date unique. C’est une perte lente de confiance : les financeurs jugent que les promesses sur les machines pensantes dépassent ce que les laboratoires livrent.
Le rapport Lighthill
En 1973, le Science Research Council britannique charge le mathématicien James Lighthill d’évaluer la recherche en IA. Son rapport est sévère. Beaucoup de travaux, estime-t-il, sont présentés comme de l’intelligence générale mais ne sont que des compétences étroites dans des domaines jouets. Le progrès en vision, langage et bon sens déçoit face à la publicité.
Le rapport devient un argument politique. Le financement britannique est réorienté. Le message traverse l’Atlantique : « l’IA générale » ne tient pas le calendrier annoncé.
La DARPA se retire
Aux États-Unis, DARPA a financé des programmes ambitieux de compréhension de la parole et d’IA large. En 1974–1975, les évaluations concluent que beaucoup de projets manquent leurs jalons. Les budgets sont réduits ou orientés vers des applications militaires plus concrètes.
Les laboratoires construits pour la recherche ouverte se réduisent. On prévient les doctorants qu’« IA » sur un CV peut nuire.
Le retour de bâton contre le perceptron
Parallèlement, la recherche connexionniste subit un coup interne. Perceptrons (1969) de Marvin Minsky et Seymour Papert prouve des limites importantes des réseaux monocouches. Les mathématiques sont solides. Dans les comités, le message est plus court : les réseaux neuronaux ne marchent pas.
C’est exagéré. Des réseaux multicouches pourraient contourner les preuves, mais il manque encore une méthode d’entraînement pratique à grande échelle. Après le perceptron de Rosenblatt (1958), l’argent pour les approches neuronales se tarit. L’IA symbolique domine encore, même si ses grands projets stagnent.
Ce qui continue
Le premier hiver est réel mais inégal. Des idées de systèmes experts mûrissent discrètement. Des méthodes statistiques en parole et vision continuent dans de petits groupes. Les labos d’IA symbolique produisent encore des outils de niche.
Quand les systèmes experts commerciaux prospèrent dans les années 1980, le domaine semble à nouveau en forme, jusqu’à l’effondrement du boom dans le second hiver de l’IA vers 1987.
Pourquoi c’est important
Le premier hiver enseigne ce que le second répétera : les démos ne sont pas des produits et le battage médiatique n’est pas un plan de recherche. Le redressement vient de succès plus ciblés, de meilleures données et, finalement, de l’apprentissage automatique qui scale.
Quand les LLM actuels impressionnent en conversation, le premier hiver rappelle que illusion et cycles de financement façonnent l’IA depuis bien avant la vague de hype actuelle.