{"id":302591,"date":"2025-03-10T19:01:00","date_gmt":"2025-03-10T18:01:00","guid":{"rendered":"https:\/\/sherpas.com\/blog\/?p=302591"},"modified":"2025-05-20T10:16:54","modified_gmt":"2025-05-20T08:16:54","slug":"types-ia","status":"publish","type":"post","link":"https:\/\/sherpas.com\/blog\/types-ia\/","title":{"rendered":"Les 4 types d\u2019intelligence artificielle \ud83d\udca1"},"content":{"rendered":"\n
Quand on parle d\u2019IA, on imagine souvent des robots intelligents<\/strong> capables de faire la conversation<\/strong>, d\u2019apprendre <\/strong>et m\u00eame de ressentir des \u00e9motions<\/strong>\u2026 En r\u00e9alit\u00e9, toutes les IA ne sont pas aussi avanc\u00e9es. Certaines sont tr\u00e8s basiques<\/strong> et ne font qu’ex\u00e9cuter des t\u00e2ches pr\u00e9cises,<\/strong> tandis que d\u2019autres commencent \u00e0 montrer des grandes capacit\u00e9s d\u2019apprentissage<\/strong>.<\/p>\n\n\n\n Alors, comment classer ces diff\u00e9rentes IA ? Les chercheurs ont d\u00e9fini 4 types d\u2019intelligence artificielle<\/strong>, allant des mod\u00e8les les plus simples aux plus \u00e9volu\u00e9s. C\u2019est ce qu\u2019on va d\u00e9cortiquer ici, avec des exemples concrets pour bien comprendre. \ud83d\ude80<\/p>\n\n\n\n L\u2019IA r\u00e9active, c\u2019est la plus basique<\/strong>. Elle ne comprend rien, n\u2019apprend rien et ne retient rien<\/strong>. Elle ne fait qu\u2019analyser une situation et r\u00e9agir en cons\u00e9quence. <\/strong>C\u2019est un peu comme un feu tricolore<\/strong> : il ne r\u00e9fl\u00e9chit pas, il alterne simplement entre rouge, orange et vert en fonction d\u2019un programme pr\u00e9\u00e9tabli. \ud83d\udea6<\/p>\n\n\n\n Une IA r\u00e9active suit un ensemble de r\u00e8gles strictes<\/strong>. Elle ne se fie qu\u2019aux informations pr\u00e9sentes \u00e0 un instant T<\/strong> et n\u2019a aucune m\u00e9moire du pass\u00e9<\/strong>. C\u2019est un peu comme un joueur d\u2019\u00e9checs qui ne regarde que le coup en cours sans anticiper les prochains mouvements.<\/p>\n\n\n \u265f\ufe0f L\u2019IA r\u00e9active est justement tr\u00e8s forte aux \u00e9checs<\/strong>. En 1997<\/strong>, Deep Blue, le super-ordinateur d\u2019IBM, a battu le champion du monde d\u2019\u00e9checs Garry Kasparov<\/strong><\/a>. Deep Blue ne s\u2019appuyait pas sur des parties pass\u00e9es pour am\u00e9liorer son jeu. Il analysait simplement les configurations de l\u2019\u00e9chiquier en temps r\u00e9el<\/strong>, choisissant le meilleur coup \u00e0 chaque instant.<\/p>\n\n <\/div>\n <\/section>\n\n\n \ud83d\udccc Les chatbots<\/a> <\/em>basiques<\/strong> : certains assistants en ligne se contentent de r\u00e9pondre \u00e0 des questions avec des phrases pr\u00e9programm\u00e9es, sans comprendre r\u00e9ellement la conversation. \ud83d\udeab L\u2019IA r\u00e9active ne peut pas apprendre de ses erreurs<\/strong> ni s\u2019adapter \u00e0 de nouvelles situations. Si un impr\u00e9vu <\/strong>se produit, elle est perdue<\/strong>. C\u2019est pour \u00e7a que la plupart des IA modernes d\u00e9passent ce stade et int\u00e8grent une m\u00e9moire et des capacit\u00e9s d\u2019apprentissage<\/strong>. <\/p>\n\n\n \u00c0 lire aussi<\/p>\n L\u2019IA r\u00e9active \ud83c\udfd3<\/h2>\n\n\n\n
Comment \u00e7a fonctionne ? \ud83e\udd14<\/h3>\n\n\n\n
<\/figure><\/div>\n\n\nExemples concrets \u270f\ufe0f<\/h3>\n\n\n\n
\ud83d\udccc Les logiciels de reconnaissance d’images<\/a>, comme les visages <\/strong>: une IA qui reconna\u00eet un visage sur une photo mais qui ne sait pas \u00e0 qui il appartient si elle ne l\u2019a pas d\u00e9j\u00e0 identifi\u00e9 dans sa base de donn\u00e9es.
\ud83d\udccc Les syst\u00e8mes de recommandation simple<\/strong> : certains algorithmes de pub affichent des annonces bas\u00e9es uniquement sur ta derni\u00e8re recherche, sans tenir compte de ton historique.<\/p>\n\n\n\nSes limites \ud83d\udea8<\/h3>\n\n\n\n