Chronologie

Une chronologie des tournants — enrichie au fil du temps avec articles et sources.

Voir aussi : Glossaire · Prédictions , Comparer.

Premières idées et fondations

  1. Le « jeu d'imitation » de Turing

    L'article d'Alan Turing dans Mind reformule l'intelligence des machines comme un comportement indiscernable de celui d'un humain dans un dialogue—plus tard popularisé sous le nom de test de Turing.

  2. L'atelier IA de Dartmouth se réunit

    Atelier de recherche estival où John McCarthy a proposé le nom « intelligence artificielle » et un programme de recherche commun—largement considéré comme le début public du domaine.

    Articles : Le projet de recherche estival de Dartmouth sur l'intelligence artificielle (1956)

  3. Le perceptron de Rosenblatt attire l'attention

    Le classifieur à couche unique entraînable de Frank Rosenblatt suscite l'optimisme—puis le débat—sur la capacité des réseaux de neurones à évoluer vers l'intelligence générale.

  4. ELIZA montre la correspondance de motifs conversationnelle

    Le script ELIZA de Joseph Weizenbaum démontre comment des règles simples peuvent sembler empathiques—soulevant des questions précoces sur l'illusion, la confiance et la « compréhension » dans le logiciel.

IA commerciale et hivers

  1. Les systèmes experts passent à l'industrie

    Les « systèmes experts » à base de règles quittent les laboratoires pour devenir des produits commerciaux—promettant la capture de domaines sans apprentissage complet, et façonnant la vague business de l'IA des années 1980.

  2. Le deuxième hiver de l'IA commence

    Après un boom des outils d'IA spécialisés, les attentes du marché refroidissent ; les financements se resserrent et de nombreux projets commerciaux stagnent—souvent daté de l'« hiver » de la fin des années 1980.

  3. Deep Blue bat Kasparov

    Le spécialiste d'échecs d'IBM bat le champion du monde Garry Kasparov dans un match—un moment public iconique pour la recherche par force brute combinée au matériel, même si l'IA au sens large restait modeste.

Apprentissage profond à grande échelle

  1. ImageNet amorce la vision à grande échelle

    L'équipe de Fei-Fei Li lance un vaste jeu de données d'images étiquetées—plus tard le benchmark qui rend les réseaux convolutifs modernes mesurables et compétitifs.

  2. AlexNet remporte ImageNet

    Un réseau convolutif profond entraîné sur GPU réduit drastiquement les taux d'erreur sur ImageNet—souvent cité comme l'étincelle du renouveau moderne de l'apprentissage profond.

  3. AlphaGo bat Lee Sedol

    AlphaGo de DeepMind remporte quatre parties sur cinq contre l'un des meilleurs joueurs de Go au monde—montrant que les jeux nécessitant l'intuition ne sont pas hors de portée des systèmes d'apprentissage.

Transformers et grands modèles de langage

  1. « Attention is all you need »

    L'architecture Transformer remplace la récurrence par l'auto-attention—devenant l'épine dorsale des grands modèles de langage et des piles multimodales ultérieures.

  2. GPT-3 met à l'échelle le prompting few-shot

    L'article d'OpenAI sur un modèle de langage de 175 milliards de paramètres met en avant l'apprentissage en contexte—des tâches décrites en langage naturel sans mise à jour des poids—redéfinissant les attentes produits et recherche.

  3. ChatGPT s'ouvre au public

    Une interface conversationnelle autour d'un grand modèle de langage devient une démo grand public du jour au lendemain—accélérant les débats sur la sécurité, le travail, le droit d'auteur et l'accès.

  4. GPT-4 est lancé comme modèle phare multimodal

    OpenAI positionne GPT-4 comme un successeur plus sûr et plus puissant—les démos vision + texte redéfinissent les attentes en matière de benchmarks de capacité et de feuilles de route produits.

  5. Les poids de Llama 2 deviennent (semi-)ouverts pour la recherche et les produits

    Meta publie Llama 2 sous une licence communautaire—élargissant qui peut ajuster finement et déployer des modèles locaux ou hébergés, et accélérant le débat sur l'écosystème des « poids ouverts ».

  6. Google lance Gemini 1.0

    Google rebaptise et lance sa famille multimodale sous le nom Gemini—signalant une intégration plus étroite avec Search, les APIs cloud et les produits matériels grand public.

  7. La loi européenne sur l'IA est adoptée

    Le Parlement européen soutient le premier règlement large sur l'IA au monde—imposant des obligations par niveau de risque, des devoirs de transparence pour les modèles à usage général et des délais de conformité.

  8. OpenAI présente les modèles de « raisonnement » (o1)

    Une nouvelle gamme met l'accent sur une délibération interne plus longue avant de répondre—ravivant le débat public sur le calcul en temps de test, les benchmarks STEM et les lacunes dans l'évaluation de la sécurité.