On entend parler d’intelligence artificielle partout : dans les applis qu’on utilise tous les jours, dans les séries qu’on binge sur Netflix, et même dans les débats sur l’avenir de notre société. Mais l’IA n’a pas surgi de nulle part, et pour comprendre pourquoi elle est en train de bouleverser nos vies, il faut remonter un peu dans le temps. D’où vient cette technologie ? Pourquoi explose-t-elle maintenant ? Et surtout, comment en est-elle arrivée à transformer le monde du travail et à créer des métiers qui semblaient encore impensables il y a quelques années ?
L’histoire de l’IA commence dans les années 1950, quand des chercheurs comme Alan Turing se sont posé une question simple mais révolutionnaire : une machine peut-elle penser ? À cette époque, l’IA était surtout une idée. On rêvait de créer des ordinateurs capables de résoudre des problèmes comme le ferait un humain, mais on n’avait ni les moyens techniques ni la puissance de calcul nécessaire pour y arriver. Il a fallu attendre les années 2010 pour que tout change, grâce à une technologie appelée deep learning.
Le deep learning est une méthode qui permet à une IA d’apprendre toute seule à partir de données, un peu comme un cerveau humain. Pour l’entraîner, on lui donne de grandes quantités de données (comme des photos, des vidéos, ou des textes). L’ordinateur va alors analyser ces données pour repérer des patterns ou des motifs, et devenir de plus en plus précis avec le temps. Par exemple, si on veut qu’une IA reconnaisse des images de chiens, on lui montre des milliers de photos avec des chiens et des non-chiens. Elle analyse ces données et devient de plus en plus précise au fur et à mesure qu’elle s’entraîne. Cette révolution a été rendue possible grâce à trois choses : l’accès à des quantités gigantesques de données, des ordinateurs de plus en plus puissants, et des algorithmes de plus en plus sophistiqués.
C’est ce trio : données, puissance, algorithmes, qui a transformé l’IA en ce qu’elle est aujourd’hui. Maintenant, les machines peuvent faire des choses de plus en plus variées: traduire une langue en temps réel, diagnostiquer des maladies, ou même créer des œuvres d’art. Et c’est précisément ce niveau de sophistication qui change le monde du travail. Justement, si l’IA permet de créer de nouveaux métiers, elle en supprime également d’autres. Par exemple, des tâches répétitives comme la saisie de données ou même certains aspects de la traduction automatisée commencent à être entièrement prises en charge par des machines.
Prenons un autre exemple simple : les voitures autonomes. Ce n’est pas juste une avancée technologique, c’est une révolution qui touche plusieurs secteurs. Les entreprises de transport doivent repenser leurs modèles, les constructeurs auto forment leurs équipes pour intégrer ces nouvelles technologies, et de nouveaux métiers apparaissent, comme les spécialistes en données routières ou les experts en éthique pour résoudre des dilemmes (par exemple, qui une voiture doit-elle “protéger” en cas d’accident inévitable ?).
En outre, le boom de l’IA a également été soutenu par un écosystème technologique dynamique. Les grandes entreprises (Google, Microsoft, OpenAI) et les start-ups ont investi massivement dans la recherche et le développement de l’IA, tout en bénéficiant de financements privés et publics.
Selon l’Insee en 2017, environ 3 % des emplois en France concernaient des métiers numériques, incluant l’analyse de données et l’IA. Ce pourcentage a significativement augmenté depuis, particulièrement dans les secteurs de la programmation et du développement, qui représentent environ 14 % des emplois numériques aujourd’hui.
Cependant, le deep learning repose sur des quantités considérables de données, qui doivent souvent être annotées manuellement pour entraîner les algorithmes. Ce travail, essentiel mais peu valorisé, est souvent effectué par des personnes dans des pays où les salaires sont faibles. De plus, l’entraînement des modèles de deep learning demande des infrastructures puissantes, comme des centres de données et des cartes graphiques performantes, qui consomment d’importantes quantités d’énergie. Ces infrastructures contribuent à l’augmentation des émissions de carbone, notamment avec la multiplication des datacenters à travers le monde.
En fin de compte, l’avenir de l’IA dépendra de la manière dont nous, en tant que société, choisirons de l’utiliser : comme un outil de progrès pour tous ou comme une force accentuant les inégalités.
