Les avancées en technologies d'apprentissage profond réalisent enfin la promesse de l'intelligence artificielle.
Des géants comme Google et Meta (ex-Facebook) progressent rapidement dans le développement de technologies auto-apprenantes, reposant sur l'apprentissage profond.
Inspirés d'une idée datant de plusieurs décennies – faire fonctionner les ordinateurs comme le cerveau humain –, les réseaux d'apprentissage profond superposent de multiples couches de neurones artificiels interconnectés. Chaque neurone traite différemment les données d'entrée, comme la classification d'images. Contrairement aux réseaux de neurones classiques, l'apprentissage profond en comporte beaucoup plus de couches.
Cette technologie a émergé au milieu des années 2000 grâce à trois pionniers reconnus mondialement : Geoffrey Hinton (Université de Toronto), Yoshua Bengio (Université de Montréal) et Yann LeCun (Université de New York). Ce n'est que récemment que des applications commerciales ont vu le jour.
Un exemple concret est Google Photos, lancé en mai 2015. Cette application télécharge les images de votre iPhone, identifie automatiquement votre conjoint, vos enfants ou petits-enfants, et les organise en dossiers dédiés. Elle y parvient en apprenant à reconnaître les visages à partir de millions d'images. Au fil des couches du réseau, le logiciel détecte des éléments de plus en plus abstraits, jusqu'à identifier un visage complet. Une fois entraîné, il repère même des traits inédits comme le nez ou la bouche.
Au-delà de l'organisation d'images, l'apprentissage profond pave la voie vers une IA indistinguable de l'intelligence humaine. En février 2015, l'équipe DeepMind (acquise par Google en 2014 pour 617 millions de dollars) a créé un système maîtrisant des dizaines de jeux vidéo Atari après entraînement. Battant des joueurs humains dans la moitié d'entre eux, c'est un premier pas vers l'ère des machines intelligentes.
