Le terme « IA » désigne aussi bien un correcteur orthographique qu’un agent conversationnel. Une définition de travail utile : un logiciel qui accomplit une tâche en apprenant des régularités à partir de données, plutôt qu’en suivant uniquement des règles écrites pas à pas par une personne.
Règles écrites ou régularités apprises
Un programme classique de filtrage du courrier indésirable peut contenir une liste d’expressions suspectes. Un système appris reçoit des milliers d’exemples étiquetés « spam » et « pas spam » et détermine lui-même quels indices les séparent. Personne n’a saisi les règles finales : elles sont issues des exemples.
Trois questions à poser
- Sur quoi a-t-il été entraîné ? Les données déterminent ce que le système sait faire ou non.
- Que prédit-il ? La plupart des systèmes d’IA estiment quelque chose : le mot suivant, la catégorie d’une photo, la probabilité d’un clic.
- Comment sait-on qu’il fonctionne ? Les bons systèmes sont testés sur des exemples qu’ils n’ont pas vus pendant l’entraînement.
Étroite, pas magique
Les outils d’IA actuels excellent dans des tâches précises et deviennent étonnamment fragiles en dehors. Un modèle qui écrit des paragraphes fluides peut encore se tromper sur une addition simple. Voir l’IA comme un très bon détecteur de régularités, et non comme une personne qui comprend, aide à avoir des attentes réalistes.
Pourquoi ce cadre est utile
Dès qu’on se demande de quelles données un système a appris et ce qu’il cherche à prédire, une grande partie du mystère disparaît. On peut juger où il aidera, où il risque d’échouer et quand un humain doit vérifier.
Pour aller plus loin
Retrouvez le traitement complet, les exemples et les exercices dans L’IA expliquée simplement.
Adapté de L’IA expliquée simplement, publié par Choral Software. Texte de l’article et exemples originaux © 2026 Choral Software. Tous droits réservés.