Chapitre 1

Introduction à l'intelligence articielle

Contents
1.1 Dénition de l'Intelligence articielle . . . . . . . . . . . . . . . . . . 3
1.2 Histoire de l'IA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Domaines d'application de l'IA . . . . . . . . . . . . . . . . . . . . . 8
1.4 Types d'IA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Dés et perspectives de l'IA . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.1 Dénition de l'Intelligence articielle

L'intelligence articielle (IA) est un domaine de l'informatique qui vise à développer des
systèmes informatiques capables d'exécuter des tâches normalement requérant l'intelligence
humaine.

Les huit dénitions de l'intelligence articielle données dans les manuels s'ordonnent selon
deux dimensions : La pensée et le comportement.
Penser comme des humains Penser rationnellement
 La tentative nouvelle et passionnante  L'étude des facultés mentales grâce à des
d'amener les ordinateurs à penser. . . [d'en modèles informatiques. 
faire] des machines dotées d'un esprit au (Charniak et McDermott, 1985)
sens le plus littéral.  (Haugeland, 1985)
Pensée
 [L'automatisation d']activités que nous  L'étude des moyens informatiques qui
associons à la pensée humaine, des activités rendent possibles la perception,
telles que la prise de décision, la résolution le raisonnement et l'action.  (Winston, 1992)
de problèmes, l'apprentissage...  (Bellman, 1978)
Agir comme des humains Agir rationnellement
 L'art de créer des machines capables de  L'intelligence articielle (computational
prendre en charge des fonctions exigeant intelligence) est l'étude de la conception
de l'intelligence quand elles sont réalisées d'agents intelligents.  (Poole et al., 1998)
par des gens.  (Kurzweil, 1990)
Comportement
 L'étude des moyens à mettre en ÷uvre  L'IA... étudie le comportement intelligent
pour faire en sorte que des ordinateurs dans des artefacts.  (Nilsson, 1998)
accomplissent des choses pour lesquelles il
est préférable de recourir à des personnes
pour le moment.  (Rich et Knight, 1991)

Historiquement, ces quatre approches de l'IA ont toutes été suivies, chacune par diérentes
personnes avec diérentes méthodes. Nous allons voir ici en détail ce que veut dire chaque
approche.

1
Par : Dr S. Mechiouri Introduction à l'IA Année 2023/2024

1. Penser humainement : Cette approche s'intéresse à la question "Comment les humains

rééchissent ?". Pour pouvoir dire qu'un programme donné pense comme un humain, il
faut pouvoir déterminer comment pensent les êtres humains en pénétrant à l'intérieur
des rouages de l'esprit. Il existe trois moyens d'y parvenir :
 Introspection : est le fait d'essayer d'attraper nos pensées quand elles passent.
 Expérimentations psychologiques : Observer une personne en action
 L'imagerie du cerveau : observer le cerveau en action.
Une fois qu'on a une théorie susamment précise de l'esprit humain. il devient pos-
sible d'exprimer la théorie par un programme. Si le comportement du programme en
termes d'entrées-sorties correspondent à ceux des humains, c'est le signe que certains
de ces mécanismes sont également susceptibles d'opérer chez les humains. Par exemple,
Allen Newell et Herbert Simon, qui ont développé le GPS, le General Problem Solver [ ], ?
ne se sont pas contentés de seulement créer un programme qui résolvait correctement
des problèmes : ils ont cherché en outre à comparer les étapes de son raisonnement à
celles de sujets humains confrontés aux mêmes problèmes. Le domaine interdisciplinaire
des sciences cognitives combine les modèles informatiques de l'IA et les techniques ex-
périmentales de la psychologie dans le but d'élaborer des théories précises et vériables
du fonctionnement de l'esprit humain.

2. Agir humainement : Le test de Turing

Le test de Turing proposé par Alan Turing(1950), vise à fournir une dénition satisfai-
sante et opérationnelle de l'intelligence. Un ordinateur réussit le test si, après avoir posé
un certain nombre de questions écrites, un interrogateur humain est dans l'incapacité de
dire si les réponses écrites proviennent d'une personne ou d'un ordinateur.

Sans détailler ce test, contentons-nous de noter que programmer un ordinateur pour

passer un test rigoureux ouvre beaucoup de chantiers. L'ordinateur devrait posséder les
fonctionnalités suivantes :

 Traitement de la langue naturelle pour communiquer ecacement dans un lan-

gage humain.
 Représentation de la connaissance pour stocker ce qu'il connaît et ce qu'il
écoute.
 Raisonnement automatique pour répondre aux questions et d'illustrer de nou-
velles conclusions.
 Machine learning (apprentissage automatique) pour s'adapter à de nouvelles
circonstances et détecter et extrapoler des modèles de comportement.

Le test de Turing complet permet les interactions physiques entre l'interrogateur et la

machine, ce qui ajoute les capacités de :
 Vision par ordinateur et reconnaissance de voix pour percevoir le monde.
 Robotique pour manipuler les objets et les bouger.

2 sur 9
Par : Dr S. Mechiouri Introduction à l'IA Année 2023/2024

Remarque : Chacune de ces capacités correspond à une sous-discipline de l'IA.

3. Rééchir rationnellement : la loi de la pensée Le philosophe grec Aristote a été l'un
des premiers à essayer de codier la pensée correcte - des processus de raisonnement
irréfutables. Ses syllogismes
1 ont fournis des modèles de structures d'arguments qui
fournissent toujours des conclusions correctes pour des prémisses correctes données.

Exemple : Socrate est un homme et tous les hommes sont des mortels.
=⇒ Conclusion : Socrate est un mortel.

La loi de la pensée marque le début de la logique. Au 19e siècle, la logique formelle

permet d'écrire des énoncés sur les objets dans le monde et leurs interrelations.

 Limite de la logique :La logique nécessite une connaissance du monde qui doit être
sûre. Cependant,cette condition est rarement atteinte dans la réalité, on parle alors
d' incertitude. Aussi, il y a une diérence entre résoudre un problème en principe
et le résoudre réellement, on parle alors de complexité.
 La théorie de probabilité compense cette rigueur en permettant de raisonner rigou-
reusement avec des informations incertaines. Cette théorie permet la construction de
modèles compréhensibles de pensée rationnelle.

Ces modèles ne peuvent pas générer un comportement intelligent. Pour cela, on a

action rationnelle.
besoin d'une théorie sur l'

4. Agir rationnellement : l'agent rationnel Pour dire qu'on agit rationnellement, il est
nécessaire de savoir que signie être rationnel.

Comportement rationnel Faire des inférences correctes est parfois synonyme d'être
un agent rationnel, car une façon d'agir rationnellement est de déduire qu'une action
donnée est la meilleur et agir sur la conclusion (La loi de la pensée pour l'IA qui se
concentre sur les inférences correctes).

D'autre part, il existe d'autres moyens d'agir rationnellement qui n'incluent pas d'in-
férence. Par exemple : retirer sa main d'une casserole chaude est une action réexe qui
est plus ecace qu'une action plus lente prise après des délibération minutieuses.

De manière plus générale, toutes les compétences nécessaires pour le test de Tu-
ring permettent aussi à un agent d'agir rationnellement, comme la représentation des
connaissance et le raisonnement permettent de prendre de bonnes décisions.

1.2 Histoire de l'IA

L'Intelligence Articielle, branche de l'Informatique fondamentale s'est développée avec pour
objectif la simulation des comportements du cerveau humain. Les premières tentatives de mo-
délisation du cerveau sont anciennes et précèdent même l'ère de l'informatique.

1.2.1 Le canard de Vaucanson 1738

Le Canard Digérateur est un automate créé par Jacques de Vaucanson en 1738. Ce canard
articiel de cuivre doré boit, mange, cancane, barbote et digère comme un vrai canard, dont les
ailes étaient représentées, os par os, d'un mécanisme identique à ceux des vrais oiseaux. Il était
possible de programmer les mouvements de cet automate, grâce à des pignons placés sur un

1. Raisonnement déductif rigoureux qui lie des prémisses à une conclusion

3 sur 9
Par : Dr S. Mechiouri Introduction à l'IA Année 2023/2024

cylindre gravé, qui contrôlaient des baguettes traversant les pattes du canard. Le mécanisme,
placé dans l'imposant piédestal, visible par tous, dans le but de montrer la complexité du travail
accompli.

Cependant, aucune avancée majeur n'a eu lieu avant les années 30 (1930) pour que certains
mathématiciens fassent progresser la logique, l'analyse des fondements mêmes des raisonne-
ments mathématiques et les années 50 pour que les calculateurs rentre dans la domaine civil.
Ces deux outils rassemblés ont provoqué la naissance de l'IA, terme introduit en 1954 par John
McCarthy.

1.2.2 1943-1956 : Les débuts de l'IA

Réseaux neuronaux articiels (1943)
Warren McCulloch et Walter Pitts publient "A Logical Calculus of the Ideas Immanent in
Nervous Activity," posant les bases théoriques des réseaux neuronaux articiels.

Test de Turing (1950)

Alan Turing publie "Computing Machinery and Intelligence," où il présente le "test de
Turing" comme moyen de déterminer si une machine peut exhiber un comportement intelligent
indiscernable de celui d'un être humain. (Ce test a été détaillé dans la dénition de l'IA plutôt)

Conférence de Dartmouth (1956)

Organisée par John McCarthy, elle rassemble des chercheurs en mathématiques, en neuro-
logie et en informatique pour discuter de la possibilité de créer une "machine pensante". C'est
la naissance de l'Intelligence articielle comme discipline scientique.

4 sur 9
Par : Dr S. Mechiouri Introduction à l'IA Année 2023/2024

Perceptron (1957)
Il s'agit d'un neurone articiel conçu pour automatiser le classement de données. Il a été
inventé par Frank Rosenblatt, au sein du Cornell Aeronautical Laboratory.

1.2.3 Les 1960s : L'IA symbolique

LISP (1963)
John McCarthy développe LISP, l'un des premiers langages de programmation spécique-
ment conçus pour l'IA.

ELIZA (1965)
Joseph Weizenbaum crée ELIZA, un programme de traitement du langage naturel qui simule
une conversation avec un psychothérapeute.

PERCEPTRONS (1969)
Marvin Minsky et Seymour Papert publient "Perceptrons," remettant en question la capa-
cité des réseaux neuronaux à résoudre des problèmes complexes et entraînant une réduction de
l'intérêt pour les réseaux neuronaux pendant des années.

Dendral (1965)
Le premier système expert créé par les informaticiens Edward Feigenbaum, Bruce Buchanan,
le médecin Joshua Lederberg et le chimiste Carl Djerassi. Ce système permettait d'identier
les constituants chimiques d'un matériau.

1.2.4 1970s-1980s : L'IA connaît des avancées et des revers

L'écart entre ces prédictions ambitieuses et les réalisations décevantes des années 1970 et
1980 a entraîné une certaine déception envers l'IA et une diminution d'intérêt.

Pause dans l'IA - 1973

Le projet "Pionniers de l'IA" visait à résoudre les problèmes de vision par ordinateur, mais
s'est terminé en échec, ce qui a temporairement refroidi l'enthousiasme pour l'IA.

L'age d'or des systèmes experts 1980s

L'IA symbolique connaît des avancées dans les systèmes experts, où des connaissances hu-
maines sont codées sous forme de règles pour résoudre des problèmes spéciques.

Prolog 1980s : les années 1980 sont les années de la pénétration industrielle. Les Japonais
lancent leur projet d'ordinateurs de la 5ème génération. Ainsi, le langage PROLOG, implémen-
tant directement des inférences logiques, se développe et se répand rapidement..

1.2.5 1990s : Les dés de la complexité

Victoire de Deep Blue 1997
Deep Blue, un ordinateur conçu par IBM, bat le champion du monde d'échecs Garry Kas-
parov, marquant un moment emblématique pour l'IA dans le monde réel.

5 sur 9
Par : Dr S. Mechiouri Introduction à l'IA Année 2023/2024

Robotique comportementale 1997

Rodney Brooks fonde le mouvement de la "robotique comportementale," en mettant l'accent
sur les comportements émergents à partir d'interactions simples entre robots et environnement.

1.2.6 Années 2000 à aujourd'hui : L'IA renaît grâce au Deep Learning

2010 : Un nouvel essor de l'IA
grâce à deux facteurs :
 L'accès tout d'abord à des volumes massifs des données - BIG DATA.
 La découverte de la très grande ecacité des processeurs de cartes graphiques des ordi-
nateurs pour accélérer le calcul des algorithmes d'apprentissage.

2011 : La victoire de IBM Watson

IBM Watson remporte "Jeopardy !", en démontrant sa capacité à comprendre et à répondre
à des questions complexes en langage naturel.

2012 : CNN remporte ImageNet

2012 : Le réseau de neurones convolutifs (CNN) de Georey Hinton remporte le concours
d'ImageNet, montrant des avancées signicatives dans la compréhension des images.

2016 :Victoire de Alpha Go

AlphaGo de DeepMind bat le champion du monde de go, Lee Sedol, marquant une avancée
majeure dans l'IA et la capacité d'apprendre des jeux complexes.

2018  A nos jours

2018 - GPT-1 OpenAI publie GPT-1, un modèle de langage pré-entraîné sur d'énormes
quantités de texte, ouvrant la voie aux avancées dans le traitement automatique du langage
naturel.

2022- Le choc ChatGPT qui marque une nouvelle ère de l'application de l'IA.

1.3 Domaines d'application de l'IA

L'intelligence articielle (IA) est un domaine vaste et diversié qui englobe plusieurs branches
et sous-domaines. Comme le montre la gure suivante :

6 sur 9
Par : Dr S. Mechiouri Introduction à l'IA Année 2023/2024

Voici quelques-unes des principales branches de l'IA :

1.3.1 Apprentissage Automatique (Machine Learning)

C'est l'une des branches les plus importantes de l'IA. Elle implique la conception d'algo-
rithmes et de modèles permettant aux systèmes de s'améliorer progressivement à partir de
données sans être explicitement programmés. Les sous-domaines comprennent :

Apprentissage supervisé
Entraînement sur des données étiquetées pour faire des prédictions ou des classications.

Apprentissage non supervisé

Découverte de structures dans les données sans étiquettes.

Apprentissage par renforcement

Apprentissage à partir d'interactions avec un environnement en maximisant des récom-
penses.

1.3.2 Réseaux de Neurones Articiels

Inspirés du fonctionnement des neurones biologiques, les réseaux de neurones articiels
sont utilisés pour modéliser des structures et des comportements complexes. Les réseaux de
neurones profonds (Deep Neural Networks) sont particulièrement importants dans le domaine
de l'IA actuel.

1.3.3 Traitement du Langage Naturel (NLP)

Cette branche se concentre sur la compréhension et la génération de langage humain par
les machines. Elle comprend des tâches telles que la traduction automatique, la génération de
texte, l'analyse de sentiments et le traitement du langage naturel en général. Cette branche
comprend :
 Compréhension du langage naturel.
 Traduction automatique.
 Résumé automatique.
 Interaction homme-machine (remplacer les langages évolués).

7 sur 9
Par : Dr S. Mechiouri Introduction à l'IA Année 2023/2024

1.3.4 Systèmes Experts

Ce sont des programmes informatiques qui utilisent des connaissances spéciques à un do-
maine pour résoudre des problèmes et prendre des décisions. Ils sont particulièrement utiles
pour la prise de décisions dans des domaines spécialisés.
Il s'agit là d'un domaine où le succès de l'IA est incontestable et cela est sans doute dû au
caractère très ciblé de l'activité que l'on demande de simuler

1.3.5 Résolution de problèmes généraux

L'objectif est de créer des algorithmes généraux pour résoudre des problèmes concrets.

1.3.6 Vision par Ordinateur

Cette branche vise à doter les machines de la capacité de "voir" et d'interpréter des images
ou des vidéos. Elle englobe la détection d'objets, la reconnaissance faciale, la segmentation
d'image et d'autres tâches liées à l'analyse visuelle.

1.3.7 Reconnaissance de l'écriture

Consiste à reconnaitre (identier) des textes manuscrits.

1.3.8 Reconnaissance de la parole

Consiste à concevoir et à réaliser des logiciels capables de reconnaitre les paroles d'un locu-
teur quelconque ce qui requiert la compréhension du contexte du texte parlé, la connaissance
de l'univers de discours, . . .etc.

1.3.9 Robotique
L'IA dans la robotique concerne la conception de systèmes robotiques autonomes capables de
perception, de prise de décision et d'action. Cela inclut la navigation autonome, la manipulation
d'objets, la coordination entre robots et bien d'autres aspects.

1.3.10 Réalité virtuelle

Ce domaine propose de nouvelles formes d'interaction homme-machine.
L'arrivée d'ordinateurs plus puissants, doté d'impressionnantes capacités graphiques en trois
dimensions, couplés à des périphériques de visualisation et d'interaction (casque, gant, lunettes,
etc.), permet de fournir les informations sensorielles nécessaires pour convaincre des utilisateurs
qu'ils sont en immersion (impliqués dans la scène).
Pr. Larry Hedges (Georgia Institute of Technology) utilise depuis longtemps la réalité vir-
tuelle pour guérir certaines phobies comme celles de l'ascenseur ou celles des araignées.

1.3.11 Logique et Raisonnement

Cette branche vise à développer des systèmes capables de raisonner, de tirer des conclu-
sions logiques et de résoudre des problèmes complexes en utilisant des méthodes formelles de
raisonnement.

8 sur 9
Par : Dr S. Mechiouri Introduction à l'IA Année 2023/2024

1.4 Types d'IA

 IA Évolutive Cette branche s'inspire de la théorie de l'évolution pour développer
des systèmes d'IA capables de s'auto-améliorer et de s'adapter aux changements. Ces
algorithmes génèrent une population de solutions potentielles, puis les améliorent pro-
gressivement en appliquant des opérations telles que la sélection, la mutation et la re-
combinaison.
 IA Symbolique Elle se concentre sur la manipulation de symboles et de connaissances
représentées de manière formelle pour résoudre des problèmes complexes.
 IA Générative Cette branche explore la création de contenu original et créatif par les
machines, que ce soit en art, en musique, en écriture ou dans d'autres domaines.Ce type
de système permet de générer du texte, des images ou d'autres médias en réponse à des
invitations ou des stimuli.

1.5 Dés et perspectives de l'IA

L'IA présente de nombreux dés et perspectives à la fois passionnants et inquiétants. Voici
quelques-uns des principaux dés et perspectives liés à l'IA :
 Éthique : L'utilisation de l'IA soulève des préoccupations éthiques quant à la transpa-
rence, la responsabilité et l'impact potentiel sur l'emploi.
 Sécurité : Les systèmes d'IA peuvent être vulnérables aux attaques de sécurité, ce qui
peut avoir des conséquences graves, notamment dans des domaines tels que la médecine
et les infrastructures critiques.
 Distorsion : Les systèmes d'IA peuvent être biaisés en raison des données sur lesquelles
ils ont été formés, ce qui peut entraîner des résultats inéquitables ou discriminatoires.
 Interprétabilité : Les systèmes d'IA peuvent être diciles à interpréter et à com-
prendre, ce qui peut rendre dicile l'explication de leurs décisions.

1.6 Conclusion
L'IA rencontre certaines dicultés, parmi les plus importantes :
 La dénition des problèmes n'est pas toujours parfaite.
 Certaines notions sont diciles à exprimer : possibilité, probabilité, préférence, . . .
 Dicultés de conception des algorithmes.
 Espaces de recherche très vastes.
 Problèmes de temps de réponse.
 Les méthodes sont souvent dédiées à un problème particulier.
 Des problèmes très variés.

9 sur 9