Le second hiver de l'IA : quand le boom s'est transformé en crise (1987–1993)
Les systèmes experts se sont effondrés, les machines Lisp sont devenues obsolètes, les gouvernements ont coupé les financements, et l'IA est entrée dans des années de désillusion.
Le premier hiver de l’IA (article), provoqué dans les années 1970 par le rapport Lighthill et les coupes de la DARPA, avait été douloureux mais localisé. Le second hiver de l’IA, qui débuta vers 1987 et dura jusqu’au début des années 1990, fut différent. Cette fois, des industries entières s’effondrèrent. Des milliards de dollars d’investissement privé s’évaporèrent. Les mots « intelligence artificielle » devinrent toxiques dans les conseils d’administration comme dans les demandes de financement.
Ce qui l’a causé
L’hiver n’eut pas un déclencheur unique. Ce fut la convergence de plusieurs échecs :
Les systèmes experts ont touché le mur
Les systèmes experts qui avaient alimenté le boom des années 1980 se révélèrent fragiles, coûteux à maintenir et impossibles à mettre à l’échelle. Le goulot d’étranglement de l’acquisition des connaissances, le processus lent et pénible d’extraction de règles auprès d’experts humains, s’avéra insoluble. Les systèmes qui fonctionnaient en démo échouaient en production. Les règles se contredisaient à mesure que les bases de connaissances grandissaient.
Le marché des machines Lisp s’est effondré
Une grande partie de l’industrie de l’IA reposait sur des machines Lisp, des ordinateurs spécialisés coûtant entre 70 000 et 150 000 dollars pièce. Des entreprises comme Symbolics, valorisées à plus de 200 millions de dollars, avaient bâti tout leur business autour de ce matériel. Quand les stations de travail généralistes ont atteint des performances comparables à une fraction du prix, le marché s’est évaporé. L’action Symbolics est passée de 77 à moins de 3 dollars.
Les gouvernements se sont retirés
La DARPA a drastiquement réduit son budget IA en 1987. Le projet japonais de cinquième génération s’est terminé sans tenir ses promesses. Le programme Alvey britannique a connu le même sort. Les entreprises qui avaient investi des millions se sont retirées ; le terme « IA » est devenu un handicap que chercheurs et entreprises évitaient en renommant leurs travaux « apprentissage automatique » ou « systèmes de connaissance ».
Ce qui a survécu
Sous les décombres commerciaux, des travaux importants ont continué : Yann LeCun a démontré les réseaux neuronaux convolutifs (1989), Gerald Tesauro a construit TD-Gammon (1992) avec l’apprentissage par renforcement, et les méthodes statistiques en traitement du langage naturel se sont améliorées silencieusement.
Pourquoi c’est important
Le second hiver a enseigné au domaine à craindre le battage médiatique. Les chercheurs qui ont survécu, en travaillant sur l’apprentissage automatique plutôt que sur des règles codées à la main, ont construit les fondations de tout ce qui a suivi : la révolution statistique, l’apprentissage profond des années 2010, et les grands modèles de langage actuels. Chaque fois qu’une entreprise d’IA moderne fait une promesse qui semble trop belle pour être vraie, le second hiver est la raison pour laquelle les observateurs prudents demandent : a-t-on déjà vu ça ?