Deux paris rivaux (1956-1958)

Le moment : l’été 1956 à Dartmouth

À l’été 1956, un petit groupe de chercheurs se réunit pendant deux mois sur le campus du Dartmouth College, dans le New Hampshire, pour un atelier qui est considéré comme l’acte de naissance de la discipline. L’expression « intelligence artificielle » apparaît pour la première fois dans la proposition de financement de cet atelier, rédigée l’année précédente par le jeune mathématicien John McCarthy. Le mot est choisi en partie pour marquer une rupture avec une étiquette alors dominante, la cybernétique.

Dartmouth Hall (Dartmouth College). Photo : Kenneth C. Zirkel, CC BY 4.0, via Wikimedia Commons.

La cybernétique. Fondée en 1948 par le mathématicien Norbert Wiener (le mot vient du grec kubernêtês, le pilote d’un navire), la cybernétique étudiait ce que les machines et les êtres vivants ont en commun lorsqu’ils se règlent eux-mêmes. Un thermostat qui maintient une température, un organisme qui maintient la sienne et un missile qui corrige sa trajectoire obéissent au même principe, la rétroaction (feedback). L’effet d’une action est mesuré et renvoyé à celui qui agit, pour qu’il se corrige. Une bonne partie de ce qui suit dans ce cours vient de là, en particulier l’idée d’une machine qui s’ajuste d’après ses erreurs. Cependant, la cybernétique raisonnait en signaux continus, en boucles et en organismes, à la frontière de la biologie et de l’ingénierie. McCarthy voulait une science du raisonnement et des symboles et, selon certains témoignages, ne tenait pas à devoir composer avec l’autorité de Wiener. Il a donc choisi un nom nouveau.

Le même mot grec a aussi donné son nom, en 2014, au logiciel Kubernetes, qui « pilote » des conteneurs dans les centres de données, d’où son logo en forme de barre de navire. Les deux n’ont en commun que l’étymologie.

Devant Dartmouth Hall, été 1956. À l'arrière, de gauche à droite : Oliver Selfridge, Nathaniel Rochester, Marvin Minsky et John McCarthy ; à l'avant : Ray Solomonoff, Peter Milner et Claude Shannon. Photo : famille Minsky.

L’ambition affichée est très grande. La proposition postule que « tout aspect de l’apprentissage, ou de toute autre caractéristique de l’intelligence, peut en principe être décrit avec une telle précision qu’une machine peut être construite pour le simuler » (en version originale : « every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it »). Les organisateurs sont McCarthy, Marvin Minsky, Claude Shannon (le père de la théorie de l’information) et Nathaniel Rochester, d’IBM. Ils pensent sincèrement qu’un groupe d’une dizaine de personnes peut faire des progrès significatifs sur ce programme en un seul été.

Ce travail, qu’ils pensaient mener en quelques étés, a occupé plusieurs générations de chercheurs et n’est toujours pas terminé. L’atelier de Dartmouth a cependant lancé le domaine. Très rapidement, deux familles d’idées sur la façon de construire cette intelligence s’y dessinent.

Un mot qui a changé de sens. Si vous abordez ce cours en pensant à ChatGPT, il faut savoir que ce que McCarthy et ses collègues appelaient « intelligence artificielle » en 1956 a très peu de rapport avec ce que ce mot désigne aujourd’hui dans la conversation courante. Pour eux, l’IA consistait à faire raisonner une machine : manipuler des symboles, appliquer des règles de logique, explorer méthodiquement des possibilités, comme on le fait pour démontrer un théorème ou jouer aux échecs. Aucune partie de ce programme n’apprenait à partir de grandes quantités de données. Aujourd’hui, le mot « IA » désigne presque toujours les grands modèles de langage (large language models) et les modèles apparentés qui génèrent des images. Ce sont d’immenses réseaux de neurones (neural networks), entraînés sur une bonne partie de ce que l’humanité a écrit, qui ne contiennent aucune règle écrite à la main.

Ce module raconte ce renversement. L’expression a été créée par les partisans du premier pari, celui de la logique. Elle est aujourd’hui associée aux héritiers du second, celui du cerveau et de l’apprentissage, que les premiers ont longtemps considéré comme une impasse. Entre les deux, il y a soixante-dix ans, deux « hivers » (AI winters) et un renversement que rien ne laissait prévoir. Gardez donc les deux sens à l’esprit. Dans les pages qui suivent, « IA » a d’abord le sens qu’il avait à Dartmouth.

Le premier pari : l’esprit comme logique

La première famille d’idées prolonge directement l’intuition de Turing. Si penser consiste à calculer, alors l’intelligence consiste à manipuler des symboles selon des règles logiques. Un symbole est ici un jeton qui représente quelque chose (un mot, un objet, une idée). Raisonner consiste à combiner ces jetons d’après des règles précises, comme un mathématicien enchaîne les étapes d’une démonstration. Dans cette vision, il importe peu que la machine ressemble ou non à un cerveau. Ce qui compte, c’est qu’elle possède les bons symboles et les bonnes règles. On parle d’approche descendante (top-down), parce qu’on programme le raisonnement explicitement, « par le haut ».

Cette approche a rapidement donné des résultats concrets. Dès 1956, un programme nommé Logic Theorist, conçu par Allen Newell et Herbert Simon et présenté à Dartmouth, démontre des théorèmes de logique mathématique tirés d’un ouvrage de référence, les Principia Mathematica de Russell et Whitehead. Pour l’une de ces démonstrations, il trouve même une solution plus élégante que celle des auteurs. On le considère souvent comme le premier programme d’intelligence artificielle, c’est-à-dire une machine qui ne calcule pas des nombres, mais qui raisonne, du moins en apparence.

Soixante-dix ans plus tard. La démonstration de théorèmes par machine (automated theorem proving) a progressé d’une manière que Newell et Simon n’avaient pas prévue. En 2025, des grands modèles de langage entraînés par renforcement ont atteint le niveau d’une médaille d’or aux Olympiades internationales de mathématiques. En septembre 2026, l’un d’eux a traduit toute la démonstration du dernier théorème de Fermat dans Lean, un langage où chaque étape d’une preuve est vérifiée par la machine. Les spécialistes estimaient ce travail à plusieurs années. Un autre système a annoncé avoir résolu une version de l’un des sept problèmes du millénaire, celui des équations de Navier-Stokes, un résultat que les mathématiciens sont encore en train de vérifier. Ces machines raisonnent elles aussi, mais elles sont issues de l’autre pari, celui de l’apprentissage, et ne contiennent aucune règle de logique écrite à la main. Nous y reviendrons au Module 4.

Lean, un vérificateur de preuves. Le langage Lean, dans lequel la démonstration de Fermat a été traduite, a été créé en 2013 par Leonardo de Moura chez Microsoft Research. Dans Lean, chaque étape d’une démonstration doit être justifiée par une règle de logique précise. Un petit programme central, le noyau, vérifie ensuite que chaque étape respecte ces règles. Si le noyau accepte la preuve, le théorème est établi avec une certitude qu’aucune relecture humaine ne peut garantir pour des démonstrations de centaines de pages. Par exemple, l’énoncé suivant est vérifié par Lean :

theorem deux_plus_deux : 2 + 2 = 4 := by norm_num

Des mathématiciens du monde entier alimentent une bibliothèque commune, Mathlib, qui contient déjà une grande partie des mathématiques enseignées à l’université.

Lean appartient à la tradition symbolique présentée dans ce chapitre : des règles explicites, appliquées mécaniquement. Il est aujourd’hui au centre d’une combinaison des deux paris. Un modèle de langage, issu de l’apprentissage, propose des étapes de démonstration, et Lean vérifie qu’elles sont correctes. Le modèle peut se tromper, mais une erreur ne passe pas la vérification. C’est ainsi qu’ont été obtenus plusieurs des résultats mentionnés ci-dessus. Pour en savoir plus : lean-lang.org.

Ces succès suscitent un grand enthousiasme. Newell et Simon formulent une hypothèse forte : un système qui manipule des symboles de la bonne manière posséderait tout ce qu’il faut pour être intelligent. Pendant les décennies suivantes, cette voie symbolique domine la recherche et obtient l’essentiel des financements. Elle fait l’objet des chapitres suivants : la recherche, la représentation des connaissances (knowledge representation), les systèmes experts (expert systems).

Le second pari : l’esprit comme cerveau

À la même époque, une idée très différente apparaît. Au lieu de programmer le raisonnement explicitement, on pourrait construire une machine qui apprend seule, à partir d’exemples, en s’inspirant de l’organe qui est déjà intelligent, le cerveau.

Cette idée a une origine précise. En 1943, deux chercheurs, Warren McCulloch et Walter Pitts, proposent un modèle mathématique très simplifié du neurone. C’est une petite unité qui reçoit des signaux, les combine et « s’allume » ou non selon que leur somme dépasse un certain seuil. Ils montrent qu’en reliant ces unités en réseau, on peut en principe réaliser des opérations logiques. C’est le premier lien établi entre le fonctionnement du cerveau et le calcul.

Il restait à expliquer comment un tel réseau pourrait apprendre. En 1949, le psychologue Donald Hebb propose l’idée suivante : lorsque deux neurones s’activent ensemble de façon répétée, le lien qui les unit se renforce (« neurons that fire together, wire together »). Dans cette optique, apprendre ne consiste pas à réécrire des règles, mais à ajuster la force des connexions. C’est ce principe que Rosenblatt va appliquer dans sa machine.

En 1958, le psychologue Frank Rosenblatt construit une machine réelle fondée sur cette idée, le perceptron. Au lieu de lui donner une règle, on montre au perceptron des exemples, par exemple des images étiquetées « cercle » ou « carré ». À chaque essai, s’il se trompe, il ajuste légèrement ses réglages internes pour se rapprocher de la bonne réponse. Exemple après exemple, il s’améliore, sans que personne ne lui ait jamais indiqué ce qui distingue un cercle d’un carré. Il a appris. C’est l’approche ascendante (bottom-up) : on n’écrit pas le savoir, on le laisse se former à partir des données.

Le perceptron suscite des attentes démesurées. En 1958, le New York Times, rapportant les propos de Rosenblatt, annonce que la marine américaine a dévoilé l’embryon d’une machine électronique qui « sera capable de marcher, parler, voir, écrire, se reproduire et avoir conscience de son existence ». On était évidemment très loin de ces capacités. L’idée centrale, celle d’une machine qui apprend de ses erreurs, s’est cependant révélée très féconde. Elle est à la base de tout ce que nous étudierons aux modules 2, 3 et 4.

Le perceptron est l’ancêtre direct des réseaux de neurones actuels. L’apprentissage profond (deep learning) d’aujourd’hui est, pour l’essentiel, un empilement de perceptrons perfectionnés, en très grand nombre et sur de nombreuses couches. Nous étudierons cette filiation au Module 3.

Deux univers parallèles

On pourrait croire que ces deux paris se sont succédé, d’abord l’un, puis l’autre. Ce n’est pas le cas, et c’est l’une des idées les plus importantes de ce cours. Ils sont nés presque en même temps et ont coexisté en rivaux pendant plus d’un demi-siècle, chacun avec ses chercheurs, ses revues et ses financements.

Ces deux paris reposent sur deux conceptions de l’esprit. Pour le camp symbolique, l’esprit est essentiellement de la logique, c’est-à-dire des symboles et des règles, indépendamment du support qui les réalise. Pour le camp connexionniste, l’esprit est avant tout un cerveau, c’est-à-dire un réseau qui s’ajuste à l’expérience. La question « qu’est-ce que penser ? » reçoit donc deux réponses presque opposées.

Ces deux approches ne progressent pas en parallèle : elles dominent tour à tour. Dès la fin des années 1960, comme nous le verrons dans « Les hivers et la bascule », le camp symbolique met presque fin aux recherches sur le perceptron, et l’approche symbolique domine presque seule les vingt années suivantes. Il faut attendre les années 2010, étudiées au Module 3 de ce cours, pour que la tradition connexionniste revienne au premier plan, sous le nom d’apprentissage profond.

La comparaison avec le cerveau est utile, mais il faut s’en méfier pour cette raison même. Le « neurone » de McCulloch, Pitts et Rosenblatt est une version extrêmement simplifiée du vrai neurone biologique. Nous y reviendrons en détail au Module 3, au moment où la tentation de confondre les deux sera la plus forte.

Pour le moment, nous laissons de côté le perceptron pour suivre le camp symbolique, qui est le premier à connaître une période de succès, celle des machines qui cherchent et qui raisonnent. C’est l’objet de « Chercher et raisonner ».