Ce qui a rendu la machine possible

Soixante-dix ans en cinq arrêts

1. Années 1950–60 Premiers « neurones » artificiels (le perceptron). Espoirs immenses, machines minuscules.
2. Années 1970–90 Les « hivers de l'IA » — les promesses dépassent la technologie, le financement gèle. Deux fois.
3. 2012 ImageNet : les réseaux de neurones profonds, tournant sur des GPU — des puces conçues pour les jeux vidéo — écrasent la compétition en reconnaissance d'images. Tout s'accélère.
4. 2017 Un article intitulé « Attention Is All You Need » présente le transformer — l'architecture au cœur des IA génératives d'aujourd'hui.
5. Années 2020 L'échelle : des montagnes de texte plus des entrepôts de GPU donnent les robots conversationnels d'aujourd'hui.

Et d'ici, dans cette histoire?

Ce chapitre est aussi une histoire canadienne. Le renouveau des réseaux de neurones s'est largement joué ici : Geoffrey Hinton à Toronto, Yoshua Bengio à Montréal — co-lauréats (avec Yann LeCun) du prix Turing 2018, le « Nobel de l'informatique ». Mila, à Montréal, reste l'une des plus grandes concentrations de recherche en apprentissage profond au monde. La machine n'est pas un produit d'ailleurs : une partie de ses fondations a été posée à quelques stations de métro d'ici.

Trois ingrédients, zéro magie

L'IA moderne est devenue possible quand trois choses se sont enfin rencontrées : des données massives (les textes et les images d'internet), une puissance de calcul massive (les GPU) et une meilleure architecture (les transformers). Enlever un seul des trois, et la machine actuelle n'existe pas. Et remarquer ce qu'il y a au cœur : les données. La machine devient ce qu'elle mange — c'est exactement ce qui suit.

Le prix d'un géant

Entraîner un grand modèle, c'est faire lire des billions de jetons à des dizaines de milliers de processeurs graphiques pendant des semaines ou des mois. La facture se compte en dizaines, parfois en centaines de millions de dollars — sans compter l'électricité et l'eau de refroidissement des centres de données.

Cette échelle a une conséquence politique : une poignée d'acteurs peut se payer l'entraînement, et tous les autres deviennent locataires. C'est exactement l'enjeu de souveraineté du chapitre 6 — qui possède les machines qui écriront avec nous?

Les humains dans la machine

« La machine apprend seule » est une demi-vérité. Des humains choisissent les données, en retirent le pire, étiquettent des millions d'exemples, puis notent les réponses du modèle pour lui apprendre à être utile et prudent. Ces jugements — les leurs, pas les tiens — façonnent ce que la machine ose dire et refuse de dire.

Retiens le principe : derrière chaque « intelligence artificielle », il y a des décisions humaines très concrètes. Demander « qui a décidé ça? » n'est pas de la méfiance — c'est de la lecture.