Pour bien comprendre ce sujet, on va faire quelque chose de très simple : on repart en 2012.
Pas besoin d’imaginer des robots, des voix qui parlent toutes seules ou des scénarios de science-fiction.
On va juste suivre une journée tout à fait ordinaire.
Le matin, vous ouvrez votre messagerie.
Un geste banal, presque automatique.
Et pourtant… quelque chose travaille déjà en arrière-plan.
Vous vous souvenez de l’époque où les spams envahissaient tout ?
Des pages entières de mails indésirables, de pubs douteuses, de messages étranges.
En 2012, ça s’est déjà largement calmé.
Les spams sont rangés dans un dossier à part, la plupart du temps sans que vous ayez rien eu à faire.
Ce tri, ce n’est pas seulement une règle figée du type “si tel mot apparaît, on bloque”.
Les filtres anti-spam s’appuient sur du machine learning depuis le début des années 2000.
Gmail, par exemple, l’utilise dès 2004 et réduit le spam de façon spectaculaire.
Et tout ça, sans que la majorité des gens en aient vraiment conscience.
À ce moment-là, on parle de quoi ?
On parle de filtre, de protection, de confort d’utilisation.
On ne parle pas d’intelligence artificielle.
On continue la journée.
Vous faites une recherche sur Google.
Vous tapez quelques mots, les résultats s’affichent, dans un certain ordre.
Tout paraît logique, presque naturel.
Mais ce qui se passe derrière cet ordre, c’est autre chose.
Le service ne se contente pas de lister des pages.
Il apprend à partir des comportements, des clics, des usages de millions de personnes.
L’objectif, c’est de proposer ce qui semble le plus pertinent pour vous, à ce moment-là.
Là encore, la “dimension intelligente” reste discrète.
On parle de pertinence, de personnalisation, d’amélioration continue.
Le mot “IA” ? Il reste en coulisses.
Avançons un peu dans la journée.
Vous lancez de la musique, une playlist, ou vous cherchez un film à regarder.
Netflix, Amazon, Spotify… vous proposent des recommandations.
Et là aussi, quelque chose d’important se joue.
Ces systèmes apprennent à partir des comportements collectifs.
Ce que des millions de personnes regardent, écoutent ou achètent sert à prédire ce qui pourrait vous plaire, à vous.
C’est du deep learning appliqué à grande échelle.
Mais vu de votre canapé, ça ressemble surtout à une suggestion pratique… ou à une habitude du service.
Même chose quand vous faites des achats en ligne.
Les produits qu’on vous suggère ne sont pas là par hasard.
Certains sont mis en avant, d’autres restent en retrait.
Et, en arrière-plan, des contrôles s’activent.
La détection de fraude bancaire en temps réel, par exemple, est déjà largement déployée avant 2015.
Elle repose, elle aussi, sur des réseaux de neurones.
Ce que vous voyez, vous, c’est juste un paiement accepté…
ou, parfois, un paiement bloqué “pour sécurité”.
La couche d’IA, elle, reste invisible.
Si on élargit encore un peu le regard, d’autres usages apparaissent.
Sur Facebook, la reconnaissance faciale sur les photos permet déjà d’identifier des visages.
Sur les smartphones, le déverrouillage par empreinte digitale s’installe dans le quotidien.
L’important ici, ce n’est pas seulement la performance technique.
C’est le fait que ces usages touchent déjà un très grand nombre de personnes.
Et tout ça avant que le mot “IA” soit mis en avant partout, dans les médias et dans les conversations.
Un repère permet de mesurer cette continuité.
En 2016, Google Translate passe à une architecture de type deep learning.
Résultat : un bond de qualité immédiatement perceptible pour ses utilisateurs.
Les traductions deviennent plus naturelles, plus fluides.
On a l’impression qu’il se passe quelque chose “d’un coup”.
Mais en réalité, ce saut s’inscrit dans une histoire déjà bien entamée.
Au fond, la révélation est assez simple.
Entre 2005 et 2015, une grande partie du numérique du quotidien fonctionnait déjà avec des systèmes d’apprentissage.
Ils étaient là.
Utiles. Massifs.
Mais rarement nommés comme tels.
Alors, qu’est-ce que ça change pour vous ?
Ça permet de regarder autrement les outils les plus ordinaires.
De réaliser que l’IA n’a pas commencé avec ChatGPT ou les robots qui parlent.
Elle filtrait déjà vos spams, recommandait vos films, traduisait vos textes et reconnaissait des visages…
depuis plus de dix ans, souvent en toute discrétion.
